基于Gabor变换的虹膜识别算法的研究

论文摘要

随着人们信息安全意识的提高,传统的安全技术已经不能满足人们的要求。悄然兴起的生物特征识别技术,正好可以满足人们对安全、方便的身份认证技术的要求。虹膜识别以其独特的优势成为生物特征识别领域的焦点,并将成为最有代表和应用前景的一种技术。本文概括了虹膜识别技术的优势,和国内外发展现状。简要的介绍了虹膜识别系统的结构和各个部分的功能。对基于灰度曲面匹配的虹膜定位方法,Daugman的归一化方法以及平移不变预处理方法进行了实验和分析。而后重点研究了对基于Gabor变换的虹膜图像特征提取的方法。1D-Gabor变换是短时傅立叶变换（STFT）的一种,与小波变换的区别是窗口函数不能随频率伸缩,Daugman提出的2D-Gabor滤波器理论沿用了Gabor变换的思想,同时也使滤波器具有了小波大尺度窗对应低频,小尺度窗对应高频的特性。基于Gabor变换的虹膜识别算法,具有速度快、准确率高的优点,是虹膜识别的经典算法之一。Gabor变换实现的难点是Gabor滤波器组的参数选择,直接影响着匹配的准确率。目前虽有众多文献利用Gabor变换提取虹膜纹理特征,但对滤波器参数选择问题都未有过多提及。因此,本文深入分析了Gabor滤波器各参数对滤波器性能的影响提出了两种适用于虹膜纹理特征提取的Gabor滤波器组参数选择方法。应用本文两种方法设计的Gabor滤波器组对CASIA和自采集图库进行匹配实验。实验结果证明所设计的滤波器组,能有效提取虹膜纹理特征,得到较高识别准确率达到虹膜识别的目的。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 虹膜的生理学基础
• 1.2 虹膜识别的优点
• 1.3 虹膜识别的产生与发展
• 1.4 虹膜识别的应用
• 1.5 本论文的研究意义和内容
• 第二章 虹膜识别系统原理
• 2.1 图像采集
• 2.2 图像预处理
• 2.3 图像特征提取及匹配
• 2.4 本章小结
• 第三章 虹膜图像预处理
• 3.1 虹膜图像定位
• 3.1.1 Daugman定位方法
• 3.1.2 本文采用的虹膜定位方法
• 3.2 虹膜图像归一化
• 3.3 平移预处理
• 3.4 本章小结
• 第四章 Gabor滤波器介绍
• 4.1 Gabor变换与小波变换的区别与联系
• 4.2 Gabor变换与二维Gabor滤波器理论
• 4.3 极坐标形式Gabor滤波器分析
• 4.3.1 局部选择特性与α,β的关系
• 0,θ₀）的关系'>4.3.2 位置特性与参数（r₀,θ₀）的关系
• 4.3.3 频率特性与参数ω的关系
• 4.4 极坐标形式的Gabor滤波器与直角坐标形式Gabor滤波器性能比较
• 4.5 本章小结
• 第五章 虹膜图像特征提取
• 5.1 Gabor滤波器编码虹膜纹理的原理
• 5.1.1 Daugman编码方法
• 5.1.2 虹膜纹理的相位编码
• 5.1.3 离散Gabor编码
• 5.1.4 频率和相位编码
• 5.2 Gabor滤波器参数选择方法1
• 0,θ₀）的选择'>5.2.1 参数（r₀,θ₀）的选择
• 5.2.2 参数ω的选择
• 5.2.3 参数α,β的选择
• 5.3 Gabor滤波器参数选择方法2
• 5.3.1 参数ω的选择
• 5.3.2 参数α,β的选择
• 0,θ₀）的选择'>5.3.3 参数（r₀,θ₀）的选择
• 5.4 本章小结
• 第六章 编码匹配
• 6.1 Hamming距离分类器
• 6.2 "错误接受率"（FAR）和"错误拒绝率"（FRR）
• 6.3 实验结果与分析
• 6.3.1 Gabor滤波器对虹膜图像滤波
• 6.3.2 随机选取参数实验结果
• 6.3.3 参数选择方法1的实验结果
• 6.3.4 参数选择方法2的实验结果
• 6.3.5 平移预处理实验结果
• 6.4 本章小结
• 第七章 结论
• 参考文献
• 在学研究成果
• 致谢