虹膜识别关键技术的研究

论文摘要

随着现代信息技术的发展,传统的身份识别方法已经无法满足当今社会的信息安全需求,基于生物特征识别的智能身份鉴别方法得到极大的关注。同其它生物识别技术相比,虹膜识别具有唯一性、稳定性、非侵犯性和不可伪造性等优势。近年来,虹膜识别技术取得了很大的发展,在众多的领域拥有广泛的应用前景。虹膜识别系统主要包括虹膜图像采集、图像预处理、特征提取和模式匹配四个部分。论文重点研究了虹膜识别的关键技术:虹膜图像的边界定位、特征提取和图像匹配,主要研究成果如下:首先,针对经典虹膜定位方法的不足,提出了一种基于虹膜图像灰度特征分布的改进算法。首先根据瞳孔的灰度值自动设定阈值对虹膜图像进行二值化,再对图像垂直和水平方向的灰度均值进行平滑处理,获取极小值坐标确定瞳孔内部的基准点,最后使用检测算子获取基准点四个方位的极值点作为边界点,从而实现虹膜的边界定位。实验结果表明,该算法与经典的虹膜定位算法相比,定位更准确、速度更快。其次,提出了基于虹膜局部区域提取纹理特征的特征提取方法,充分利用了虹膜纹理丰富的区域,有效避开了眼睑和睫毛等物的干扰。鉴于虹膜的纹理特征具有方向性,采用Haar小波包进行特征提取时,只保留低频和垂直低频分量的特征向量进行二值编码。实验结果表明,编码的数据量大为减少,特征提取的速度明显提升。最后,针对由眼睛旋转所引起的匹配失真,采用了解决该问题的循环移位匹配算法。该算法采用Hamming距离分类器,通过虹膜编码的循环移位搜寻最小距离值作为最终匹配依据。通过实验分析,确定了匹配算法的最佳移位位数。上述算法以CASIA V1.0虹膜数据库为实验样本,在Matlab7.1平台上进行仿真实验。实验结果表明,论文所提出的虹膜识别方法综合性能良好,效果理想。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 生物识别技术简述
• 1.1.1 生物识别技术介绍
• 1.1.2 常见生物识别技术
• 1.1.3 性能比较
• 1.2 虹膜识别技术简介
• 1.2.1 虹膜识别的原理
• 1.2.2 虹膜识别系统构成
• 1.3 虹膜识别的发展与应用
• 1.3.1 虹膜识别的发展介绍
• 1.3.2 虹膜识别的应用现状
• 1.4 论文的研究背景及意义
• 1.5 论文的结构安排
• 第二章 虹膜图像预处理
• 2.1 经典的虹膜定位算法
• 2.1.1 基于Daugman 活动圆检测的定位算法
• 2.1.2 基于Hough 变换的定位算法
• 2.2 基于灰度特征分布的虹膜定位方法
• 2.2.1 基准点定位
• 2.2.2 内边界定位
• 2.2.3 外边界定位
• 2.2.4 实验分析
• 2.3 规范化处理
• 2.3.1 虹膜区域的数学模型
• 2.3.2 虹膜图像的矩形展开
• 2.4 虹膜图像增强
• 2.5 本章小结
• 第三章 虹膜特征信息的提取与编码
• 3.1 常用的特征提取方法
• 3.1.1 基于二维Gabor 滤波的特征提取算法
• 3.1.2 利用金字塔方法提取特征
• 3.1.3 基于小波过零检测的方法
• 3.2 基于Haar 小波的特征提取方法
• 3.2.1 特征区域的选取
• 3.2.2 特征信息的提取
• 3.3 虹膜特征的编码
• 3.4 实验分析
• 3.5 本章小结
• 第四章 虹膜匹配算法研究
• 4.1 常用模式匹配方法
• 4.1.1 汉明距离分类器
• 4.1.2 欧氏距离分类器
• 4.1.3 矩阵相似性分类器
• 4.2 虹膜匹配算法的实现
• 4.2.1 分类器的选择
• 4.2.2 阈值的选取
• 4.2.3 循环移位匹配
• 4.3 实验结果与分析
• 4.3.1 实验方法
• 4.3.2 实验分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果