论文题目: 基于统计学习理论的虹膜识别研究
论文类型: 博士论文
论文专业: 计算机应用
作者: 古红英
导师: 潘云鹤
关键词: 生物特征识别,虹膜识别,变化分数维,多尺度变方向金字塔,非对称支持向量机,遗传算法,统计学习
文献来源: 浙江大学
发表年度: 2005
论文摘要: 本文的工作是基于统计学习理论的虹膜识别研究。虹膜识别属于生物识别技术的一种,是一项根据人眼睛中瞳孔之外巩膜之内的一个圆环内部复杂的纹理特征来鉴别身份的技术。我们在详细研究统计学习理论的最新进展和虹膜识别的主要特点的基础上,围绕虹膜特征提取、虹膜特征融合约减、分类器设计、虹膜识别系统原型设计等四个方面进行了较为深入的研究。 我们对现行的虹膜识别已有方法进行了综述,指出了现有虹膜识别研究的不足之处。并在此基础上做出了以下贡献: 第一项工作是在虹膜特征提取方面,提出并实现了基于分形几何的自相似特征提取;并针对虹膜纹理分布的特殊性,研究了这种纹理变化的细节特征,发现了它的自相似性,提出了一种新的分形维数:变化分数维,并给出了它的计算方法。变化分数维是在传统分形几何的基础上,针对图像内部的丰富变化细节具有一定的自相似性而提出的,对瞳孔和眼睫毛的影响具有较好的抗干扰能力。实验结果表明该特征比传统的分形维数能够更好地表征虹膜的纹理特征。除了虹膜识别之外,变化分数维也适用于其它的图像分析场合; 第二项工作是提出了虹膜特征融合约减机制。过去的虹膜识别方法一般都只有一种特征,主要是小波变换和Gabor变换。而虹膜这么复杂的识别对象在有些情况下不能被一种特征值准确刻画。为了获取虹膜图像纹理分布的方向性信息,我们引入了多尺度可变方向金字塔模型作为虹膜纹理方向性特征的分析工具,对各个方向进行滤波,分别求出每个子带的特征,作为变化分数维的补充,从而得到虹膜的融合特征。为了获得更精简的特征序列,去除冗余特征,在特征约减方面,提出了基于多目标遗传算法的虹膜融合特征约减方法; 第三项工作是在构造虹膜分类器方面,过去的虹膜识别方法一般采用距离的方法(包括欧几里得距离和汉明距离)来分类,或对码本进行异或操作,这些都是简单的计算方法。为了得到更高的识别率,我们将学习机制引入虹膜识别。同时考虑到在生物认证领域,错误接受和错误拒绝的代价是不一样的,需要在训练中进行区别对待。在安全性要求较高的应用中,对于错误接受的样本应该比错误拒绝的样本施以更大惩罚。因此为了适应虹膜识别等生物特征识别在不同安全等级中的应用,我们提出并实现了非对称支持向量机(Non-symmetrical Support Vector Machine,NSVM)作为虹膜样本的分类器,以适应安全性要求不同的应用场合; 第四项工作是基于所提出的算法与理论,实现了一个新的虹膜识别系统原型并命名为IrisPassport,在CASIA虹膜公开数据库上做了测试,并与现有算法与理论进行了对比。在本文的第六章介绍了IrisPassport系统结构及其特性; 我们的这些工作是提高虹膜识别系统性能的有益尝试,实验结果表明
论文目录:
目录
第一章 绪论
1．1 研究背景
1．2 目前已有研究进展
1．3 研究目标与贡献
1．4 论文组织
第二章 虹膜识别介绍
2．1 虹膜识别的生理基础与工作原理
2．1．1 虹膜识别生理基础
2．1．2 虹膜识别分析对象
2．1．3 虹膜识别工作原理
2．2 虹膜认证与其他常用生物认证方法的比较
2．2．1 生物认证的一般过程
2．2．2 虹膜认证与其他生物认证方法的比较
2．3 已有虹膜识别系统介绍
2．3．1 Daugman系统
2．3．2 Wildes系统
2．3．3 模式识别国家重点实验室虹膜认证系统
2．3．4 IrisPassport虹膜认证系统
2．4 虹膜识别研究与应用现状综述
2．4．1 虹膜识别研究综述
2．4．2 虹膜识别的应用现状与前景
2．4．3 已有虹膜认证研究中存在的局限性
2．5 小结
第三章 虹膜图像中的变化分数维
3．1 变化分数维的理论基础
3．1．1 维数的基本概念
3．1．2 维数的拓宽 - 分数维
3．1．3 盒维数的计算方法
3．1．4 盒维数在虹膜表示中的不足
3．2 变化分数维在虹膜图象分析中的应用
3．2．1 虹膜图像中的分形特征
3．2．2 变化分数维原理
3．2．3 虹膜变化分数维特征提取
3．3 变化分数维与传统计盒维数在虹膜特征提取中的对比实验
3．4 小结
第四章 虹膜的特征融合与约减
4．1 小波变换
4．1．1 小波变换原理
4．1．2 小波变换在虹膜图像分析中的应用
4．1．3 虹膜的小波变换特征及其实验结果
4．2 虹膜纹理的方向性特征
4．2．1 多尺度可变方向金字塔模型Steerable pyramid原理
4．2．2 Steerable pyramid在虹膜图像分析中的应用
4．2．3 虹膜融合特征实验
4．3 基于多目标遗传算法的虹膜特征约减
4．3．1 特征选择算法概述
4．3．2 遗传算法的特征
4．3．3 多目标遗传算法
4．3．4 基于遗传算法的虹膜特征约减
4．3．5 虹膜特征约减实验
4．4 特征序列合理性对比分析
4．5 小结
第五章 虹膜样本的分类器 - 非对称支持向量机(NSVM)
5．1 非对称支持向量机的理论基础概述
5．1．1 函数估计模型
5．1．2 风险最小化问题
5．1．3 虹膜识别的学习问题表述
5．2 基于支持向量机的虹膜分类方法
5．2．1 支持向量机在虹膜分类中的应用
5．2．2 基于区别特征空间的虹膜融合特征主动学习算法
5．3 基于非对称支持向量机的虹膜样本分类
5．3．1 非对称支持向量机原理
5．3．2 非对称支持向量机虹膜分类实验
5．3．3 SVM有待发展的关键技术
5．4 小结
第六章 IRISPASSPORT虹膜识别系统结构及其对比
6．1 IrisPassport虹膜识别系统概述
6．2 IrisPassport虹膜识别系统设计
6．2．1 IrisPassport虹膜样本预处理
6．2．2 虹膜特征提取与融合
6．2．3 多目标遗传算法特征约减
6．2．4 基于非对称支持向量机的虹膜样本分类
6．3 IrisPassport系统的特点
6．4 IrisPassport与其它虹膜识别系统的对比实验
6．5 小结
第七章 总结与展望
参考文献
致谢
发布时间: 2006-02-08
参考文献
- [1].虹膜识别中的若干关键问题研究[D]. 王琪.东北大学2016
- [2].基于指纹与虹膜生物识别技术研究[D]. 刘元宁.吉林大学2004
- [3].虹膜识别算法的研究[D]. 徐中宇.吉林大学2006
- [4].虹膜身份识别算法研究[D]. 张仁彦.哈尔滨工程大学2006
- [5].基于虹膜和脸像的多生物特征身份识别及融合算法的研究[D]. 叶学义.中国科学技术大学2006
- [6].不完美虹膜的定位分割、特征提取与分类识别[D]. 田启川.西北工业大学2006
- [7].虹膜识别特征提取与表达的理论和方法研究[D]. 李志慧.吉林大学2007
- [8].用于个人身份鉴别的虹膜生物特征识别[D]. 路陈红.西安电子科技大学2008
- [9].信息负表示的若干应用方案研究[D]. 赵冬冬.中国科学技术大学2016
- [10].基于虹膜识别的身份认证系统算法研究[D]. 刘洋.中国科学院研究生院（西安光学精密机械研究所）2009
相关论文
- [1].虹膜识别理论研究[D]. 潘力立.电子科技大学2012
- [2].虹膜识别若干关键问题研究[D]. 徐露.沈阳工业大学2008
- [3].虹膜识别算法研究及系统实现[D]. 张在峰.兰州大学2009
标签：生物特征识别论文; 虹膜识别论文; 变化分数维论文; 多尺度变方向金字塔论文; 非对称支持向量机论文; 遗传算法论文; 统计学习论文;