基于人眼自然睁开状态下的虹膜识别方法研究

论文摘要

随着现代化技术的不断出现,传统方法已经不能满足当今社会对身份识别的要求。这样,就使得生物特征识别技术得以迅速发展起来。生物特征识别具有传统方法所无法比拟的高准确性、高安全性、高可靠性等优点,能够满足社会各个领域的需求。虹膜身份识别是一种新兴的生物身份识别技术,由于其具有唯一性、稳定性、可采集性、非侵犯性等优点而逐步受到人们的重视。与脸像、声音、指纹等身份鉴别方法相比,虹膜具有更高的准确性。近些年来虹膜识别技术在研究和应用方面都得到了长足的进步,并表现出了广阔的前景和市场。虹膜识别系统主要包括了虹膜图像采集、虹膜图像预处理、虹膜图像特征提取、模式匹配与识别。它的研究主要涉及到了计算机视觉、数字图像处理、小波理论、模式识别等众多学科领域。本文在总结目前虹膜识别技术研究进展的基础上,对虹膜识别中的虹膜定位、噪声处理、归一化、特征提取及编码和分类决策问题展开探讨,提出了自己的一些改进方法并进行实验对比,对进一步研究虹膜识别技术有一定的借鉴作用。在虹膜定位方面,提出一种基于人眼结构特征的定位方法。首先,通过邻域灰度平均值去除光斑,接着通过投影法和瞳孔中心检测算子来找瞳孔内一点,然后通过边缘检测算子结合投票的方法找内外四个边界点准确定位虹膜内外边界。对2655幅人眼图像进行虹膜定位实验的结果证明,该方法能够有效地解决虹膜图像平移问题,并避免了反射光斑、眼睑、眼睫毛等噪声对定位的影响。与经典方法相比,该方法在保证定位成功率的同时,定位时间大大减少。在人眼自然睁开状态下存在噪声,因此需要进行去噪操作:通过抛物线拟合的方法去除上、下眼睑;利用邻域灰度均值法去除光斑;去除眼睫毛时先用局部灰度极小值的方法找到所有候选眼睫毛点,然后利用眼睫毛的起始信息、方向信息和长度信息去除伪眼睫毛点。在归一化方面,将环形虹膜图像通过坐标变换转变为矩形,该方法能够有效地解决虹膜图像缩放问题,同时进行内外圆心不一致的补偿操作,并确定有效虹膜区域,便于进行后续的操作。在特征提取和编码方面,在有效虹膜区域内,采用基于小波变换系数的特征提取方法,并提出基于局部灰度极小值、基于纹理特征点匹配,基于多方向纹理边缘检测三种结构特征提取方法。基于小波变换系数的特征提取方法采用墨西哥草帽小波和Morlet小波,对不同尺度下的小波变换系数分布进行考察,通过设置不同的尺度,可以得到不同频率下的纹理特征,并分析哪些尺度下得到的虹膜纹理比例要高一些。与传统的小波变换方法相比,本文提出的基于小波变换系数的方法更具有优势,不仅算法的复杂度比较低,而且算法的识别率高;基于局部灰度极小值的特征提取方法利用了虹膜纹理的位置信息和灰度信息,却抛弃了纹理的大小、方向、相关性等其他结构特征,因此提取出来的可区分性特征仍然不能保证使虹膜识别的准确性得到大幅度的提高;基于纹理特征点匹配的特征提取方法虽然利用了纹理的大小与方向信息,但是选取的方向信息少,未考虑纹理之间的相关性,使得识别准确性还有可提高的空间;基于多方向纹理边缘检测的特征提取方法利用了纹理的位置、灰度、大小、方向、相关性等多种结构特征,因此提取出来的可区分性特征使虹膜识别的准确性得到大幅度的提高。在模式匹配与识别方面,采用自行设定的计算距离的方法来计算登陆虹膜码与注册虹膜码之间的距离,通过多次平移匹配来解决图像旋转的问题,通过阈值法进行分类。最后,在已有的图库上,对基于Gabor滤波器的方法进行了实验,并将本文提出的方法与基于Gabor滤波器的方法进行了比较和分析。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.1.1 非生物特征身份鉴别方法
• 1.1.2 生物特征识别技术的提出
• 1.1.3 研究生物特征识别技术的意义
• 1.1.4 现有的生物特征识别技术
• 1.2 虹膜识别简介
• 1.2.1 虹膜识别的生理基础
• 1.2.2 虹膜识别机理
• 1.2.3 虹膜识别技术的发展
• 1.2.4 虹膜识别应用
• 1.3 虹膜识别算法研究现状
• 1.3.1 虹膜定位算法
• 1.3.2 噪声去除
• 1.3.3 特征提取及匹配
• 1.4 目前存在的问题和发展方向
• 1.5 本文主要研究内容
• 1.6 本文的一些重要概念
• 第二章 图像预处理方法研究
• 2.1 引言
• 2.2 基于人眼结构特征的虹膜定位方法
• 2.2.1 基本原理
• 2.2.2 找到瞳孔内一点
• 2.2.3 定位虹膜内边界
• 2.2.4 通过内边界定位虹膜外边界
• 2.2.5 实验结果与分析
• 2.3 眼睑处理
• 2.3.1 基本原理及实现
• 2.3.2 实验结果与分析
• 2.4 眼睫毛处理
• 2.4.1 基本原理及实现
• 2.4.2 实验结果与分析
• 2.5 虹膜归一化方法
• 2.5.1 基本原理及实现
• 2.5.2 虹膜图像分辨率研究
• 2.5.3 实验结果与分析
• 2.6 小结
• 第三章 基于小波变换系数的特征提取和匹配方法
• 3.1 引言
• 3.2 小波变换的一些基本定义及性质
• 3.3 连续小波变换的计算
• 3.4 小波基函数选择及本文采用的小波
• 3.5 基于小波变换系数的虹膜特征提取方法
• 3.5.1 原理
• 3.5.2 本文基于小波变换系数的虹膜特征提取方法
• 3.5.3 编码匹配
• 3.6 实验结果与分析
• 3.6.1 小波尺度的选取对实验结果的影响
• 3.6.2 采样点数对实验结果的影响
• 3.6.3 有效区域大小对实验结果的影响
• 3.7 小结
• 第四章 基于结构特征的特征提取方法研究
• 4.1 引言
• 4.2 基于局部灰度极小值的特征提取方法
• 4.2.1 特征提取和表示
• 4.2.2 编码匹配
• 4.2.3 实验结果与分析
• 4.3 基于纹理特征点匹配的特征提取方法
• 4.3.1 采用不同块大小提取纹理特征点
• 4.3.2 编码匹配
• 4.3.3 实验结果与分析
• 4.4 基于多方向的纹理边缘检测的特征提取方法
• 4.4.1 方法原理及步骤
• 4.4.2 编码匹配
• 4.4.3 实验结果与分析
• 4.5 各种特征提取和匹配方法之间的比较
• 4.6 小结
• 第五章 结论与展望
• 参考文献
• 在学研究成果
• 致谢