低质量虹膜图像识别算法的研究

低质量虹膜图像识别算法的研究

论文摘要

随着信息技术的不断发展,虹膜识别已经成为应用数学、模式识别、图像处理和信息安全等交叉学科的热门研究课题。近年来,致力于虹膜识别的研究者越来越多,但对低质量虹膜图像(如睫毛和眼睑遮盖、远距离、运动模糊、聚焦模糊、偏转、戴眼镜、光照不好等)的识别研究较少。现有的实际应用系统在采集过程中大多需要被采集者密切配合以采集得到质量较好的虹膜图像,现有大多算法也对虹膜图像的质量有一定的要求,但在实际应用中图像的质量很难保证。针对低质量虹膜图像的识别问题,本文对低质量虹膜图像深入研究,提出了一种基于多方向Gabor和Adaboost的虹膜特征提取与识别算法,主要工作如下:1.讨论了虹膜识别技术的原理和发展现状,并详细阐述了现有的几种主流虹膜特征提取与识别算法。2.针对现有算法对低质量虹膜图像识别效果不佳的问题,本文结合虹膜的整体与局部纹理信息,提出了一种新的虹膜特征提取与识别算法。首先,根据瞳孔定位准确与否,将虹膜图像的归一化分为两种情况:按内外圆边界展开归一化和按外圆边界展开归一化;其次,根据这两种归一化情况采用两种不同方案对虹膜进行分块;然后,利用多方向Gabor滤波器分别对整个虹膜和分块虹膜进行编码并产生特征向量;最后,在这两种情况下分别使用Adaboost算法训练得到识别性能较好的一些特征用于识别。此外,除了使用Adaboost分类算法,本文还利用了随机森林算法和Fisher线性判别算法进行匹配识别。以Matlab为工具在虹膜数据库CASIA-IrisV3-Lamp和噪声虹膜数据库Ubiris.v2上对本文算法进行实验,实验结果表明本文算法具有较好的稳定性和较高的准确性,并对低质量虹膜图像具有较好的识别性能,克服了现有算法不能有效地表征低质量虹膜图像的缺点。此外,本文算法的识别性能在由28个国家或地区67个大学的研究团队参加的国际虹膜识别公开赛NICE.Ⅱ中排名第2。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.2 虹膜识别简介
  • 1.2.1 虹膜识别的发展
  • 1.2.2 虹膜识别原理简介
  • 1.3 评价虹膜识别系统的性能指标
  • 1.4 本文使用的虹膜数据库
  • 1.5 论文结构
  • 第2章 虹膜识别算法的研究现状
  • 2.1 基于二维Gabor滤波的虹膜识别算法
  • 2.1.1 特征提取
  • 2.1.2 特征匹配
  • 2.2 基于拉普拉斯金字塔分解的虹膜识别算法
  • 2.2.1 特征提取
  • 2.2.2 特征匹配
  • 2.3 基于小波过零点检测的虹膜识别算法
  • 2.3.1 特征提取
  • 2.3.2 特征匹配
  • 2.4 基于多通道滤波的虹膜识别算法
  • 2.4.1 特征提取
  • 2.4.2 特征匹配
  • 2.5 本章小结
  • 第3章 基于多方向Gabor的低质量虹膜识别算法
  • 3.1 虹膜预处理
  • 3.1.1 虹膜分割
  • 3.1.2 瞳孔定位评估
  • 3.1.3 虹膜归一化
  • 3.2 彩色虹膜图像的颜色通道性能分析
  • 3.3 特征提取
  • 3.3.1 多方向Gabor滤波器的设计
  • 3.3.2 虹膜分块
  • 3.3.3 特征向量的生成
  • 3.4 基于模式分类的特征匹配
  • 3.4.1 Adaboost算法及分类识别
  • 3.4.2 随机森林算法及分类识别
  • 3.4.3 Fisher线性判别算法及分类识别
  • 3.5 本章小结
  • 第4章 实验结果与分析
  • 4.1 CASIA-IrisV3-Lamp虹膜数据库上的实验
  • 4.1.1 Adaboost算法的实验
  • 4.1.2 随机森林和Fisher线性判别算法的实验
  • 4.1.3 算法性能分析
  • 4.2 Ubiris.v2虹膜数据库上的实验
  • 4.2.1 Adaboost算法的实验
  • 4.2.2 随机森林和Fisher线性判别算法的实验
  • 4.2.3 算法性能分析
  • 4.3 本章小结
  • 第5章 总结与展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].基于多指标融合的虹膜图像质量评估方法[J]. 仪表技术 2019(03)
    • [2].影响虹膜图像质量的关键问题研究[J]. 电气应用 2017(07)
    • [3].基于眼底虹膜图像的身份特征优化识别仿真[J]. 计算机仿真 2016(08)
    • [4].基于双远心镜头的虹膜图像采集方法[J]. 计算机技术与发展 2016(08)
    • [5].单测度虹膜图像质量评价方法探讨[J]. 中国安防 2015(21)
    • [6].基于霍夫变换的可见光虹膜图像定位[J]. 计算机技术与发展 2017(05)
    • [7].基于中医目诊的虹膜图像特征表示方法研究[J]. 湖南中医药大学学报 2015(11)
    • [8].虹膜图像质量评价综述[J]. 中国图象图形学报 2014(06)
    • [9].低质量虹膜图像识别方法研究[J]. 电脑知识与技术 2012(20)
    • [10].虹膜图像处理与识别技术研究[J]. 制造业自动化 2011(13)
    • [11].虹膜图像中的闭眼检测方法[J]. 计算机工程与设计 2011(09)
    • [12].基于小波包分解的虹膜图像识别[J]. 科技广场 2011(07)
    • [13].小波变换在虹膜图像特征提取与识别中的应用[J]. 通信技术 2009(02)
    • [14].一种序列虹膜图像的综合质量评价研究[J]. 计算机技术与发展 2009(11)
    • [15].基于径向微分算子的虹膜图像分割[J]. 北华大学学报(自然科学版) 2008(05)
    • [16].级联型多测度可见光虹膜图像质量评价方法[J]. 微处理机 2018(05)
    • [17].基于人机交互的虹膜图像采集系统设计[J]. 中国安防 2014(17)
    • [18].一种快速有效的虹膜图像预处理方法[J]. 图学学报 2012(04)
    • [19].基于小波包分解的虹膜图像识别方法研究[J]. 科技通报 2012(08)
    • [20].基于椭圆拟合的晃动虹膜图像的检测算法[J]. 东北大学学报(自然科学版) 2010(07)
    • [21].一种改进的虹膜图像质量评价算法[J]. 信息与电子工程 2009(03)
    • [22].一种新颖的虹膜图像噪声检测方法[J]. 计算机应用研究 2009(12)
    • [23].一种增强型虹膜图像质量评价算法[J]. 光电子技术 2019(01)
    • [24].虹膜图像质量评价方法研究[J]. 宁夏师范学院学报 2014(06)
    • [25].一种基于非局部正则化和可靠区域检测的虹膜图像去模糊算法[J]. 计算机科学 2014(01)
    • [26].虹膜图像预处理算法[J]. 微计算机信息 2009(20)
    • [27].用于身份鉴别的虹膜图像预处理[J]. 华南理工大学学报(自然科学版) 2009(05)
    • [28].改进的虹膜图像定位分割算法[J]. 激光杂志 2015(05)
    • [29].虹膜图像预处理技术的研究[J]. 计算机与现代化 2011(08)
    • [30].受限条件下智能虹膜图像采集终端设计考虑[J]. 电子技术 2010(08)

    标签:;  ;  ;  ;  ;  

    低质量虹膜图像识别算法的研究
    下载Doc文档

    猜你喜欢