用于虹膜识别的旋转角度估计算法研究

论文摘要

虹膜图像采集时,由于人脸的偏转或是眼珠的转动,造成采集到的虹膜图像与原始虹膜数据库中的图像有旋转夹角产生。本文对如何估计两幅虹膜图像间的旋转夹角这一课题进行了初步的研究,提出了两种基于图像矩的旋转角度估计算法。根据几何矩的物理特性知某区域的“取向”可由此区域主轴与水平轴的夹角表示,主轴则是关于此区域转动惯量最小的一条直线。因此某一区域关于水平轴的旋转角度可以理解为这一区域的“取向”。基于几何矩描述的旋转角度估计算法将分割后的眼睛区域作为目标区域,眼睛区域关于水平轴的旋转角度则可以通过计算该区域最小转动惯量得到。由于Zernike矩具有旋转不变性,旋转后的虹膜区域与未旋转的虹膜区域的Zernike矩模值是相同的,只存在相位角的偏差,因此则可以通过计算两幅图像Zernike矩值对应的相位角之差估计其相对旋转角度。基于Zernike矩的角度估计算法将定位后虹膜区域的灰度图像作为目标区域,并将其映射到单位圆上,然后计算其Zernike矩值所对应的相位角,通过与模板图像Zernike矩所对应相位角之间的数学运算得到两幅图像之间的相对虹膜旋转角度。实验结果表明,两种算法均能较准确估计出虹膜的旋转角度,对系统性能的提升有一定的帮助。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 生物识别技术
• 1.1.1 生物识别技术概述
• 1.1.2 虹膜识别技术概述
• 1.2 虹膜识别技术的研究现状与应用
• 1.2.1 虹膜识别技术的发展历史
• 1.2.2 虹膜识别技术的研究现状
• 1.2.3 虹膜识别技术的应用
• 1.3 课题研究的意义
• 1.4 论文主要工作及内容安排
• 1.4.1 论文的主要工作
• 1.4.2 论文的内容安排
• 第二章 虹膜结构特征与虹膜识别系统
• 2.1 虹膜的结构与生物特性
• 2.1.1 虹膜的结构特点
• 2.1.2 虹膜的生物特性
• 2.2 虹膜识别系统
• 2.2.1 虹膜图像获取
• 2.2.2 虹膜图像预处理
• 2.2.3 虹膜特征提取与编码
• 2.2.4 虹膜的旋转角度估计
• 2.2.5 虹膜匹配
• 2.3 本章小结
• 第三章 虹膜旋转角度估计算法
• 3.1 图像矩理论概述
• 3.1.1 几何矩
• 3.1.2 Zernike 矩
• 3.2 虹膜旋转角度估计算法研究
• 3.2.1 利用几何矩估计旋转角度
• 3.2.2 利用Zernike 矩估计旋转角度
• 3.3 本章小结
• 第四章 实验结果与分析
• 4.1 虹膜识别系统的性能评价
• 4.2 实验条件
• 4.3 实验方法与结果分析
• 4.3.1 实验方法
• 4.3.2 实验结果与分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 论文工作总结
• 5.2 展望
• 致谢
• 参考文献
• 作者在读期间的研究成果