虹膜身份识别算法研究

论文摘要

在现代社会中，随着科技和经济的飞速发展，人们对身份识别技术的重视程度也进一步提高。传统的身份识别技术，如：密码等，由于防伪性比较差，已经不能适应现代社会对身份识别的要求。为了克服传统身份识别技术的缺点，人们提出用人体的生物特征进行身份识别，如：指纹、虹膜和语音等。其中，虹膜身份识别技术由于其可靠性高等优点，正成为生物特征识别技术领域中的研究热点。论文对虹膜身份识别算法进行了研究，主要工作有： 首先，研究了虹膜内边缘的定位算法，并提出两种虹膜内边缘定位方法。第一种方法，以虹膜图像灰度直方图为基础，通过寻找瞳孔区灰度分布范围的方法确定分离瞳孔的灰度阈值，并利用灰度投影法定位虹膜内边缘；第二种方法，对虹膜图像行列灰度曲线的几何特征进行了深入分析，并提出利用虹膜图像行列灰度曲线几何特征进行瞳孔定位的方法。这两种方法都取得了比较好的定位效果。 然后，为了设计出简单、可靠的图像边缘检测算法，为虹膜外边缘定位奠定基础，对以人眼视觉特性为基础的图像边缘检测技术进行了深入研究，并提出了多种以人眼视觉特性为基础的边缘检测方法，包括：灰度比值法、反色-灰度比值法、灰度差和比值法、反色-灰度差和比值法、灰度比例对数差值法、反色-灰度比例对数差值法、灰度整比例对数差值法、反色-灰度整比例对数差值法和灰度比例幂差值法。实验结果表明这些算法都能有效地检测图像边缘。 接着，对虹膜外边缘定位方法进行了研究，将灰度整比例对数差值法和反色-灰度整比例对数差值法用于虹膜外边缘检测，取得了比较高的定位准确率。 最后，以纹理分析、随机信号分析和Gabor变换为基础，并结合比较成功的虹膜特征提取算法—Gabor变换法，对虹膜纹理的特性进行了分析。以虹膜纹理特性分析的结果为基础，提出了瑞利分布型滤波器，并将其用于虹膜特征提取，取得了比较好的识别效果。 实验结果表明本文提出的算法能够有效地进行虹膜身份识别。

论文目录

• 摘要
• AB5TRACT
• 第1章 绪论
• 1.1 课题的背景及意义
• 1.2 生物特征识别技术简介
• 1.2.1 生物特征的分类及生物特征识别的基本要素
• 1.2.2 生物特征识别的历史
• 1.2.3 生物特征识别系统的基本结构
• 1.2.4 常见的生物特征识别技术
• 1.2.5 几种生物特征识别方法的比较
• 1.3 论文的主要内容
• 第2章 虹膜识别技术概述
• 2.1 引言
• 2.2 虹膜识别技术的发展历史
• 2.3 虹膜识别的基本原理
• 2.3.1 虹膜识别的生理基础
• 2.3.2 虹膜识别的基本步骤
• 2.4 虹膜特征识别技术的研究现状
• 2.4.1 图像采集
• 2.4.2 虹膜图像预处理
• 2.4.3 虹膜特征提取与匹配
• 2.5 虹膜识别的技术难点
• 2.6 本章小结
• 第3章 虹膜内边缘定位
• 3.1 引言
• 3.2 基于瞳孔分割的内边缘定位
• 3.2.1 常用的瞳孔分离阈值确定法
• 3.2.2 基于最小-跨度闭值法的内边缘定位
• 3.2.3 实验结果与分析
• 3.3 基于灰度曲线几何特征的内边缘定位
• 3.3.1 虹膜图像中行列灰度曲线几何特征的分析
• 3.3.2 含较多瞳孔区灰度曲线的几何特征与瞳孔位置之间的关系
• 3.3.3 内边缘的定位
• 3.3.4 实验结果
• 3.4 本章小结
• 第4章 基于人眼视觉特性的图像边缘检测
• 4.1 引言
• 4.2 基于微分的图像边缘检测
• 4.2.1 常用的边缘检测算法
• 4.2.2 边缘的模型
• 4.2.3 常用的基于微分的边缘检测算法
• 4.2.4 基于微分的边缘检测算法的局限性
• 4.3 感觉的测量与人眼的视觉特性
• 4.3.1 感觉的测量
• 4.3.2 人眼的视觉特性
• 4.4 基于人眼视觉特性的边缘定义
• 4.4.1 边缘的定义
• 4.4.2 感觉亮度变化的表示方法
• 4.5 基于视觉对比灵敏度的图像边缘检测
• 4.5.1 基于灰度比值的边缘检测
• 4.5.2 基于反色-灰度比值的边缘检测
• 4.5.3 基于灰度差和比值的边缘检测
• 4.5.4 基于反色-灰度差和比值的边缘检测
• 4.6 基于感觉亮度与客观亮度关系的图像边缘检测
• 4.6.1 基于灰度比例对数差值的图像边缘检测
• 4.6.2 基于反色-灰度比例对数差值的图像边缘检测
• 4.6.3 基于灰度整比例对数差值的图像边缘检测
• 4.6.4 基于反色-灰度整比例对数差值的图像边缘检测
• 4.6.5 基于灰度比例幂差值的图像边缘检测
• 4.7 边缘检测算法的比较与分析
• 4.7.1 基于视觉特性的和基于微分的检测算法的比较
• 4.7.2 基于人眼视觉特性的检测算法之间的比较
• 4.8 本章小结
• 第5章 虹膜外边缘定位及归一化
• 5.1 引言
• 5.2 虹膜外边缘定位
• 5.2.1 外边缘点处的灰度变化
• 5.2.2 外边缘点检测算法的比较与选择
• 5.2.3 外边缘定位及其实验结果
• 5.3 虹膜图像归一化
• 5.4 本章小结
• 第6章 基于瑞利分布型滤波器的虹膜识别
• 6.1 引言
• 6.2 虹膜纹理的特性分析
• 6.2.1 图像的纹理分析
• 6.2.2 纹理图像Gabor变换的输出特性分析
• 6.3 虹膜特征提取
• 6.3.1 瑞利分布型滤波器
• 6.3.2 特征提取算法
• 6.4 虹膜的特征编码与匹配
• 6.5 生物特征识别系统的性能测试指标
• 6.6 实验结果
• 6.7 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢