基于2D LogGabor滤波器的虹膜识别算法研究

论文摘要

随着信息技术的飞速发展,信息安全技术已经成为当今重要的研究课题之一。基于人体生物特征的生物识别技术受到了科学家和研究者的广泛关注。虹膜识别技术是近年来新兴起的一种生物识别技术。作为重要的身份鉴别特征,虹膜具有唯一性、稳定性、可采集性、非侵犯性、不可伪造性等优点。与其他生物特征识别技术相比,虹膜识别具有更多的优点:高可靠性,高稳定性,高安全性等。因此,虹膜识别技术被认为是未来占主流地位的生物识别技术之一,有极其广阔的应用前景。虹膜识别属于模式识别的范畴,同时涉及到图像处理,数字信号处理等多个领域。虹膜识别系统主要包括图像采集、虹膜图像预处理、特征提取和模式匹配四个部分。本文采用中科院公开的虹膜图像数据库CASIA-Ver1。本文研究了一种基于2D LogGabor滤波器的虹膜识别算法,主要工作如下:1)提出了一种改进的由粗到精的虹膜定位算法。采用改进的灰度投影算法粗定位虹膜内圆,Sobel边缘检测算子结合Hough投票机制精定位虹膜内圆。采用改进的Canny竖直方向检测算子结合Hough投票机制精定位虹膜外圆。该算法的优点是定位精度高,速度快,抗噪能力强;2)研究了一种改进的Canny水平边缘检测算子结合最小二乘法拟合抛物线的眼睑检测算法,以及自适应阈值法的睫毛检测算法。实验结果表明本文的噪声检测算法简单快速有效;3)深入研究了中科院提出的归一化算法,并指出了其中的一处公式错误,研究了两种消除了光照不均的图像增强算法;4)对2D LogGabor滤波器的中心频率,带宽,方向等参数进行研究,构建了适合虹膜纹理特征提取的2D LogGabor滤波器。并研究了基于Hamming距离的虹膜分类识别算法;5)本文的虹膜识别实验主要包括两部分:算法研究实验和虹膜识别系统仿真实验。以FAR、FRR、CRR、D作为性能评价标准,通过统计大量的类内和类间匹配实验,优化了本文算法中的主要参数值,验证了本文算法的有效性和可行性。最后,建立了虹膜识别仿真系统,从实际应用的角度出发,分析了识别系统的性能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 虹膜识别技术的研究背景及意义
• 1.2 虹膜识别的生理基理和结构
• 1.2.1 虹膜识别的生理学基础
• 1.2.2 虹膜识别的结构组成
• 1.3 虹膜识别技术的国内外研究现状
• 1.3.1 国外虹膜识别研究状况及应用
• 1.3.2 国内虹膜识别研究状况及应用
• 1.4 本文主要研究内容及各章节安排
• 第2章 虹膜定位算法研究
• 2.1 经典的虹膜定位算法
• 2.2 本文改进的虹膜定位算法
• 2.2.1 虹膜内圆粗定位
• 2.2.2 虹膜内圆精定位
• 2.2.3 虹膜外圆精定位
• 2.2.4 虹膜定位实验结果与分析
• 2.3 干扰检测算法
• 2.3.1 眼睑检测
• 2.3.2 睫毛检测
• 2.4 本章小结
• 第3章 虹膜归一化算法研究
• 3.1 虹膜归一化原理
• 3.2 虹膜图像增强
• 3.2.1 同态滤波
• 3.2.2 光照估计
• 3.2.3 两种方法比较
• 3.3 本章小结
• 第4章 基于2DLogGabor滤波器的特征提取算法研究
• 4.1 虹膜图像的纹理特性
• 4.1.1 虹膜纹理的随机性
• 4.1.2 虹膜纹理的表达形式
• 4.1.3 虹膜纹理的信息利用
• 4.1.4 虹膜特征的表达范围
• 4.1.5 虹膜纹理特性总结
• 4.2 2D Gabor滤波器的性能分析
• 4.2.1 1D Gabor滤波器
• 4.2.2 2D Gabor滤波器
• 4.3 LogGabor滤波器的性能分析
• 4.3.1 Gabor滤波器性能的不足
• 4.3.2 LogGabor滤波器性能的优点
• 4.4 基于2D LogGabor滤波器的虹膜特征提取与相位编码
• 4.4.1 二维LogGabor滤波器构造
• 4.4.2 二维LogGabor滤波器的虹膜特征提取结果与分析
• 4.4.3 相位编码
• 4.5 本章小结
• 第5章 虹膜模式匹配算法研究及实验结果分析
• 5.1 基于海明距离的虹膜循环匹配算法
• 5.2 虹膜实验图像及算法测试性能指标
• 5.2.1 虹膜实验图像
• 5.2.2 算法测试性能指标
• 5.3 基于2DLogGabor滤波器的参数选取实验
• 5.3.1 循环匹配移位参数选取实验
• 5.3.2 滤波器中心频率选取实验
• 5.3.3 滤波器频率带宽选取实验
• 5.3.4 滤波器频率带宽与中心频率联合选取实验
• 5.3.5 各参数确定后的统计实验结果
• 5.4 虹膜识别系统仿真实验及结果分析
• 5.4.1 仿真系统实验方案
• 5.4.2 仿真系统实验结果
• 5.4.3 仿真系统实验分析
• 5.5 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文及参与的项目