虹膜图像恢复算法的研究

论文摘要

本文的主要工作是对虹膜图像恢复算法的研究。在对传统虹膜图像恢复方法进行分析的基础上,提出新的基于正交离散方向小波变换的正则化虹膜图像恢复算法。同时对实验结果进行系统的分析,确保算法有较高的实用性。主要贡献和研究结果如下:1、概括总结了目前虹膜图象的恢复方法。2、分析了虹膜图像的离焦原因,实现了基于功率谱的虹膜图像自动检焦算法。3、提出了利用离散方向小波变换进行噪声能量估计的正则化虹膜图像恢复方法。本文在离焦虹膜图象快速检焦,虹膜图像恢复等方面的研究,具有一定的理论意义。实验证明,提出的改进算法具有一定的应用价值。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 引言
• 1.2 生物特征识别技术
• 1.3 虹膜识别的发展历史和研究现状
• 1.4 虹膜识别简介
• 1.5 虹膜图像恢复的国内外有关研究情况
• 1.6 本文工作
• 第二章 虹膜图像恢复方法概述
• 2.1 虹膜恢复方法研究现状
• 2.1.1 有约束的最小二乘恢复
• 2.1.2 Richardson-Luck 方法（简称 RL 方法）
• 2.1.3 Damped Richardson 方法（简称DRL方法）
• 2.1.4 最大熵方法（简称 MEM 方法）
• 2.1.5 最大后验概率恢复
• 2.1.6 σ-CLEAN法
• 2.1.7 迭代直接解谱法（IDD 方法）
• 2.1.8 单适应解卷积法（SAD 方法）
• 2.1.9 维纳（wiener）滤波方法
• 2.2 本章小结
• 第三章 离焦模糊虹膜图象功率谱检焦方法
• 3.1 预备知识
• 3.1.1 图像功率谱理论及功率谱模型
• 3.1.2 自然场景功率谱的统计模型
• 3.1.3 数字图像二维功率谱曲线的建立
• 3.2 虹膜图象预处理
• 3.2.1 虹膜图像采集
• 3.2.2 确定瞳孔的圆心半径
• 3.2.3 虹膜图像的噪声处理
• 3.3 基于功率谱的离焦模糊虹膜图象的自动检焦方法
• 3.3.1 虹膜图像的离焦原因
• 3.3.2 离焦光学传递函数
• 3.3.3 检焦评价函数的确定
• 3.3.4 检焦评价函数的定义
• 3.3.5 基于功率谱的自动检焦算法实现
• 3.4 实验结果及分析
• 3.5 本章小结
• 第四章 离散方向小波正则化的虹膜图象恢复方法
• 4.1 预备知识
• 4.1.1 图像退化/恢复过程的数学模型
• 4.1.2 退化系统的基本定义
• 4.1.3 连续函数的退化模型
• 4.1.4 离散函数的退化模型
• 4.2 小波分析理论
• 4.2.1 连续小波变换
• 4.2.2 离散小波变换
• 4.2.3 小波重构
• 4.2.4 小波定义
• 4.3 模糊虹膜图像的WIENER滤波频域恢复
• 4.3.1 Wiener滤波频域恢复模型
• 4.3.2 虹膜图像的Wiener滤波恢复算法
• 4.4 基于离散正交方向小波变换的正则化虹膜图像恢复算法
• 4.4.1 离散正交方向小波变换
• 4.4.2 带噪图象正则化恢复方法
• 4.4.3 离散方向小波变换的正则化方法实现
• 4.5 实验结果分析
• 4.5.1 峰值信噪比
• 4.5.2 虹膜图象恢复效果图
• 4.5.3 恢复后虹膜识别的结果分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 主要贡献和研究结果如下
• 5.2 下一步研究方向
• 参考文献
• 致谢
• 作者攻读博士期间发表的论文
• 博士学位论文摘要
• ABSTRACT