虹膜识别算法研究与实现

论文摘要

随着信息技术的发展和日益增长的对安全的需要，基于生物特征的身份识别技术在近年来有了迅速的发展。作为生物特征识别技术之一的虹膜识别技术正在兴起，并显示了很大的优越性。在现有各类生物识别技术中，虹膜识别技术具有以下特点：虹膜图像纹理信息丰富，纹理信息在人的一生中保持稳定；虹膜图像的采集具有无侵犯性；瞳孔的缩放使虹膜组织具有活体组织的显著特征，可以有效的防止人工伪造等等。在论文中，首先简单介绍了生物特征识别技术的分类及各种生物特征识别技术的比较，虹膜识别技术的发展，然后详细阐述了虹膜的生理结构及特点和虹膜识别系统的组成以及系统评价。最后，对虹膜识别技术的算法进行了深入研究。本文采用MATLAB语言编程，并在中科院自动化所提供的CASIA虹膜图像数据库中进行了实验。主要的工作包括以下几个方面：1．研究了虹膜图像定位算法，并在此基础上，实现了基于Canny算子和Hough变换相结合的虹膜定位算法。2．研究了虹膜图像规格化算法，并在此基础上，通过逆时针方向将圆环状的虹膜区域展开成固定大小的长方块的方法实现图像的规格化。3．研究了虹膜图像增强算法，采用高斯低通滤波器消除图像的高频噪声，然后对图像进行局部直方图增强处理，得到更清晰的虹膜纹理图像。4．研究了主成分分析算法，并提出了基于主成分分析的虹膜特征提取方法。5．研究了独立分分析算法，并提出了基于主成分分析和独立成分分析的虹膜特征提取方法。6．研究了二维主成分分析算法及其改进算法，并提出了基于二维主成分分析的虹膜特征提取方法以及基于模块二维主成分分析的虹膜特征提取方法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 生物特征识别技术
• 1.2 虹膜识别技术
• 1.3 论文组织
• 2 虹膜识别系统概述
• 2.1 虹膜识别系统的组成
• 2.2 虹膜识别系统的性能评价
• 2.3 本章小结
• 3 虹膜图像预处理
• 3.1 图像定位
• 3.2 图像规格化
• 3.3 图像增强
• 3.4 本章小结
• 4 基于主成分分析的虹膜特征提取
• 4.1 主成分分析
• 4.2 特征提取
• 4.3 模式分类
• 4.4 识别结果
• 4.5 本章小节
• 5 基于主成分分析和独立成分分析的虹膜特征提取
• 5.1 独立成分分析
• 5.2 特征提取
• 5.3 模式分类
• 5.4 识别结果
• 5.5 本章小结
• 6 基于二维主成分分析的虹膜特征提取
• 6.1 二维主成分分析
• 6.2 特征提取
• 6.3 模式分类
• 6.4 识别结果
• 6.5 本章小节
• 7 基于模块二维主成分分析的虹膜特征提取
• 7.1 模块二维主成分分析
• 7.2 特征提取
• 7.3 模式分类
• 7.4 识别结果
• 7.5 本章小节
• 8 总结
• 致谢
• 参考文献
• 硕士期间的研究成果
• 详细摘要