虹膜识别算法研究

论文摘要

随着现代社会信息技术的发展,对安全性的要求越来越高。因此,基于人体生物特征的识别技术得到了迅速的发展和应用。作为生物识别技术之一,虹膜识别己经被逐步应用到身份认证等安全领域。虹膜识别是基于人眼虹膜纹理特征来确定人的身份的一种识别方法,也是最为准确的生物特征识别方法之一。一个完整的虹膜识别系统包括虹膜图像获取、虹膜图像预处理、特征提取和分类匹配。基于中国科学院自动化所提供的CASIA虹膜数据库,本文对虹膜识别的各个环节进行了研究和探讨,提出自己的一些改进方法并进行了实验仿真,实验结果说明了提出算法的可靠性和高效性。主要工作如下:1.在虹膜定位方面,采用改进的Canny边缘检测和改进的Hough变换方法定位虹膜内外边界,从而达到平移不变性。此方法缩小了搜索范围,提高了速度。2.对于眼睑和睫毛的遮掩对识别的影响,提出了一种新的基于Radon变换的虹膜噪声去除方法,有效地消除了眼睑噪声信息的影响,同时结合阈值法剔除睫毛。通过实验证明,本文的去噪方法有效地抑制了眼睑和睫毛信息,提高了虹膜识别率。3.对定位后的虹膜,采取了有效的归一化方式,在极坐标下把虹膜从环行展成矩形,并对归一化图像增强。4.通过对特征提取与编码的传统算法进行的研究和分析,提出了三种改进的算法:(1)基于多通道小波滤波的虹膜识别方法; (2)基于二维小波变换和方向向量相结合的方法;(3)基于局部walsh变换的虹膜识别方法。5.在模式匹配与分类器设计的方法上,根据不同算法所提取特征的不同,分别采用改进的Hamming距离分类器和加权欧式距离分类器进行模式分类。同时,为了减少角度旋转对识别的影响,设计了一种循环移位的方法,有效地减少了角度旋转带来的影响,进一步提高了虹膜的识别率。通过Matlab仿真实验,证明本文所提出的虹膜识别算法的有效性,达到了较高的精确度和速度,可作为今后构建一个可靠虹膜识别系统的算法基础。

论文目录

• 论文摘要
• ABSTRACT
• 第一章 引言
• 1.1 课题的背景及意义
• 1.2 生物特征识别技术
• 1.2.1 生物特征识别简介
• 1.2.2 几种典型的生物识别技术
• 1.2.3 几种生物特征识别方法的比较
• 1.3 虹膜的生理结构和特点
• 1.4 虹膜识别系统简介
• 1.5 虹膜识别技术的研究现状和存在的问题
• 1.5.1 虹膜识别技术的国内外研究现状
• 1.5.2 目前存在的问题
• 1.6 论文的研究内容和组织安排
• 1.7 本章小结
• 第二章 虹膜图像分割
• 2.1 概述
• 2.2 虹膜定位
• 2.2.1 现有的虹膜定位算法
• 2.2.2 Canny 算子的改进
• 2.2.3 Hough 变换算法的改进
• 2.2.4 虹膜内外边界的定位
• 2.3 眼睑和睫毛的检测
• 2.3.1 基于Radon 变换的虹膜去噪方法
• 2.3.2 睫毛的检测
• 2.4 实验结果及分析
• 2.5 本章小结
• 第三章 虹膜图像归一化
• 3.1 概述
• 3.2 虹膜图像的归一化
• 3.2.1 Daugman 的归一化模型
• 3.2.2 实验中使用的归一化算法
• 3.3 图像增强
• 3.4 虹膜有效区域掩模的生成
• 3.5 实验结果
• 3.6 本章小结
• 第四章 特征提取和编码
• 4.1 概述
• 4.2 纹理分析基本理论
• 4.3 现有的特征提取算法介绍
• 4.3.1 Daugman 的Gabor 滤波和相位编码方法
• 4.3.2 基于Log-Gabor 变换的虹膜特征提取算法
• 4.3.3 Boles 虹膜特征提取算法
• 4.3.4 基于纹理分析的虹膜特征提取算法
• 4.3.5 现有各虹膜识别算法的比较
• 4.4 小波变换与DB4 小波
• 4.4.1 连续小波变换
• 4.4.2 二维离散小波变换
• 4.4.3 Daubechies 小波
• 4.5 基于多通道小波滤波的虹膜特征提取
• 4.5.1 虹膜纹理特征分析
• 4.5.2 小波基及分析尺度的选择
• 4.5.3 特征提取
• 4.6 基于小波变换和方向向量的虹膜特征提取
• 4.6.1 方向向量
• 4.6.2 算法具体步骤
• 4.7 基于局部walsh 变换的虹膜特征提取
• 4.7.1 基于纹理单元的纹理分析方法
• 4.7.2 局部沃尔什变换
• 4.7.3 基于局部Walsh 变换的虹膜特征提取与编码方法
• 4.8 本章小结
• 第五章 虹膜匹配
• 5.1 概述
• 5.2 现有虹膜分类器算法
• 5.2.1 Daugman 基于Hamming 距离的匹配识别算法
• 5.2.2 方差倒数加权欧式距离分类算法
• 5.2.3 相似度匹配算法
• 5.3 改进的Hamming 距离分类方法
• 5.4 旋转不变性的补偿
• 5.5 本章小结
• 第六章 实验结果与分析
• 6.1 概述
• 6.2 实验数据库介绍
• 6.2.1 CASIA 数据库
• 6.2.2 实验数据设置和测试平台
• 6.3 虹膜识别系统性能评价指标
• 6.3.1 鉴别模式
• 6.3.2 认证模式
• 6.3.3 系统可分离度算子
• 6.4 提出算法的实验结果及分析
• 6.4.1 实验方法
• 6.4.2 基于多通道小波滤波方法的实验结果与分析
• 6.4.3 基于小波变换和方向向量算法的实验结果和分析
• 6.4.4 基于局部walsh 变换算法的实验结果和讨论
• 6.5 虹膜模式稳定性的讨论
• 6.6 实验中的参数设置
• 6.6.1 归一化模板的分辨率
• 6.6.2 匹配时的移位数
• 6.7 本章小结
• 第七章 结论
• 7.1 主要工作总结
• 7.2 进一步的工作
• 参考文献
• 附录A：作者在攻读硕士学位期间发表的学术论文
• 附录B：作者在攻读硕士学位期间参与的科研项目
• 致谢