基于多尺度灰度匹配的虹膜识别算法研究与实现

论文摘要

虹膜识别作为生物特征识别中最有效的方法之一,越来越受到识别技术领域的关注,已经在各行各业得以广泛的应用。但是识别的质量和速度仍然受到诸如睫毛、眼睑、光斑等噪声的干扰,针对目前广泛采用的基于特征编码的提取与匹配方法,本文系统地论述虹膜识别技术的研究动态,对虹膜定位与分割、虹膜图像归一化、虹膜特征点提取与匹配等一系列关键技术进行分析与研究,设计了一种基于多尺度灰度匹配的虹膜识别算法。将用于登陆的虹膜图像与样本虹膜图像之间所含的噪声统一化,用直接灰度曲面的匹配方式进行判断识别。基于这种方法,我们能提取了更多初级原始的虹膜数据,对这些数据的分析与处理,增大可识别的虹膜区域,减少因噪声差异产生可用区域不统一造成的误差。在保证对虹膜区域的有效识别的前提下,本文提出了以下两种方法以提高匹配速度,一是采用多分辨率以寻求稳定的识别结果;二是利用特定矩阵提取虹膜信息的快速识别。以MATLAB为平台,设计了基于多尺度灰度匹配的虹膜识别系统,对Iris-Database Version1.0的虹膜图像进行仿真实验,研究结果表明:该系统的识别准确率高、速度快、具有一定的应用价值。

论文目录

• 摘要
• Abstract
• 第1章 生物特征识别技术
• 1.1 现代生物识别技术比较分析
• 1.2 虹膜识别技术
• 1.2.1 虹膜及其特征
• 1.2.2 虹膜特征识别的优势
• 1.2.3 虹膜识别技术应用的现状与前景
• 1.3 本文的研究内容与结构
• 1.3.1 本文研究的主要内容
• 1.3.2 本文组织结构
• 第2章 虹膜定位与分割
• 2.1 噪声的检测
• 2.2 边缘的检测
• 2.3 虹膜内边缘的确定
• 2.4 虹膜外边缘的确定
• 2.5 虹膜图像的分割
• 第3章 虹膜图像归一化
• 3.1 虹膜内外圆不同心的成因分析
• 3.2 虹膜内外圆不同心的修正
• 3.3 虹膜图像矩形映射
• 第4章 虹膜特征点提取与匹配
• 4.1 虹膜特征的提取
• 4.1.1 2D-Gabor 滤波器提取虹膜相位信息
• 4.1.2 小波过零法提取不同分辨率的特征
• 4.1.3 利用金字塔提取虹膜灰度信息
• 4.2 虹膜特征的匹配
• 4.3 虹膜识别的相关算法
• 4.3.1 相位相关算法
• 4.3.2 基于灰度曲面直接匹配算法
• 4.3.3 基于虹膜图像纹理结构特征的算法
• 4.3.4 基于局部信息统计的虹膜分块方法
• 4.3.5 基于局部分块特征的虹膜识别方法
• 4.3.6 自适应虹膜识别方法
• 4.4 算法分析
• 第5章 基于灰度曲面匹配方法
• 5.1 直接灰度曲面匹配算法
• 5.2 虹膜区域大小与识别率的讨论
• 5.2.1 扇形方式
• 5.2.2 不规则区域
• 5.3 噪声统一化模型
• 5.4 基于灰度曲面的直接匹配计算实验模式过程
• 5.5 多尺度分析
• 5.5.1 全尺寸扫描
• 5.5.2 隔行抽取
• 5.5.3 隔两行抽取
• 5.6 修正多尺度分析
• 5.6.1 全尺寸扫描
• 5.6.2 隔行抽取
• 5.6.3 隔两行抽取
• 5.6.4 隔三行抽取
• 5.7 利用特定矩阵选择匹配点
• 5.8 性能分析
• 第6章 虹膜识别系统介绍
• 6.1 虹膜识别系统介绍
• 6.2 Matlab 平台下的可视化虹膜识别系统的实现
• 6.2.1 主要算法
• 6.2.2 源程序
• 第7章 回顾与展望
• 参考文献
• 在学期间发表的学术成果及获奖情况
• 后记