基于Gabor变换的虹膜识别算法研究

论文摘要

在各种生物特征中,虹膜具有很多自身特有的优点,这使得虹膜识别技术成为一种最有前途的生物特征识别技术,具有重要的理论研究价值和广阔的应用前景。本文在总结了国内外主要的虹膜识别技术研究情况的基础上,改进了基于二维Gabor变换的虹膜识别算法。虹膜识别算法包括预处理、特征提取和分类匹配三个部分。在预处理算法中,本文充分利用瞳孔的几何特性、眼睛图像的灰度分布以及各种先验知识,对传统的随机Hough变换进行了改进。通过选择小图像块处理的方法来减少图像边界点数,并用数学形态学、阈值截取等方法对图像进行优化,去除大量无用干扰点。本文的算法既保留了Hough变换算法定位精度高的优点,又通过对图像的优化缩小了计算开销,保证了算法的速度,取得了良好的定位效果。在特征提取阶段,运用了融合不同尺度下虹膜局部纹理位置信息和形态信息的算法,该算法采用多通道二维Gabor滤波器来定量描述虹膜的局部纹理。为了获得更好的滤波输出结果,采用了一种根据Gabor滤波器的频率带宽参数来指导搜索最佳滤波器的新策略;在特征提取时,选择那些和滤波器相似的子块图像的中心作为特征点,然后将这些特征点的加权平均作为最终的特征,并通过优化加权的方法,使那些和滤波器最相似的点对特征点的位置贡献最大。这些特征点融合了每个像素点的位置信息和相似度信息,更能真实的反映虹膜纹理结构,同时减少了图像旋转对特征提取的影响。通过CASIA虹膜数据库中大量样本的实验验证,本文的虹膜识别方法识别率达到99.754%,证明了算法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 课题研究背景和意义
• 1.3 虹膜识别技术简介
• 1.3.1 虹膜识别的生理基础
• 1.3.2 虹膜识别的技术特点
• 1.3.3 虹膜识别的发展历史和现状
• 1.3.4 虹膜识别研究难点
• 1.4 本文研究内容和结构
• 第二章 虹膜识别系统概述
• 2.1 引言
• 2.2 虹膜识别基本原理
• 2.2.1 模式识别简介
• 2.2.2 模式识别系统的基本构成
• 2.3 虹膜识别系统
• 2.3.1 虹膜图像的获取
• 2.3.2 活体虹膜检测
• 2.3.3 虹膜识别算法
• 2.4 几种现有的虹膜识别系统
• 2.4.1 Daugman 的虹膜识别系统
• 2.4.2 Wildes 的虹膜识别系统
• 2.4.3 中科院自动化所的虹膜识别系统
• 2.5 小结
• 第三章 虹膜图像预处理
• 3.1 引言
• 3.2 虹膜定位
• 3.2.1 Daugman 系统的虹膜定位算法
• 3.2.2 Wildes 系统的虹膜定位算法
• 3.2.3 中科院自动化所的虹膜定位算法
• 3.2.4 本文的虹膜定位算法
• 3.3 非虹膜区域的去除
• 3.4 虹膜图像的归一化
• 3.5 虹膜图像增强
• 3.6 小结
• 第四章 虹膜特征提取及匹配
• 4.1 引言
• 4.2 纹理分析
• 4.3 现有的几种特征提取方法
• 4.3.1 基于相位分析的方法
• 4.3.2 基于纹理分析的方法
• 4.3.3 基于一维小波过零点检测的方法
• 4.4 本文的虹膜特征提取算法
• 4.4.1 Gabor 滤波器设计
• 4.4.2 特征描述
• 4.4.3 特征提取
• 4.5 虹膜分类匹配
• 4.6 小结
• 第五章 实验结果及性能分析
• 5.1 引言
• 5.2 虹膜数据库
• 5.3 实验结果和分析
• 5.3.1 识别实验
• 5.3.2 认证实验
• 5.3.3 与现有方法比较
• 5.4 小结
• 结束语
• 致谢
• 参考文献
• 攻读硕士期间所发表的论文