虹膜图像中噪声检测算法的研究

论文摘要

虹膜识别因其具有高可靠性、稳定性和非侵犯性,已成为生物特征识别领域的一个研究热点。眼睑和眼睫毛遮挡是虹膜识别系统中较难检测的两种噪声,对系统识别性能影响较大,本文对如何去除这两种噪声进行了较深入的研究。文中介绍了虹膜身份识别系统各个关键部分,分析了现有眼睑和眼睫毛遮挡检测算法的优缺点,提出了基于灰度形态学的眼睑和眼睫毛遮挡检测算法:一是设计弧线形的形态学结构元素,经过灰度开启运算、图像分割和边缘检测,获得眼睑边缘的候选点集,再利用Bezier曲线拟合出眼睑边缘;二是构造交叉形的形态学结构元素,通过灰度开启运算得到直方图具有分段特性的虹膜图像,经二值化检测出眼睫毛。实验结果表明:该算法能有效地检测两种遮挡噪声,有助于降低虹膜识别系统的等错误率,提高模式的可分性。另外,本文还对虹膜识别算法进行了初步探讨。在分析2-D复Gabor滤波器实部和虚部的幅频响应特性后,发现2-D奇Gabor滤波器比2-D复Gabor滤波器更能有效提取虹膜纹理特征。因此,提出采用2-D奇Gabor滤波的方法编码虹膜纹理特征点的相位信息,并通过计算汉明距离（Hamming distance）进行识别。实验结果表明,与基于2-D复Gabor滤波编码虹膜纹理相位特征的方法相比,该算法使系统识别等错误率（Equal Error Rate）降低大约12%。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 虹膜的生物特性
• 1.3 虹膜识别技术的基本依据
• 1.4 虹膜识别的发展历史
• 1.5 虹膜识别的应用
• 1.6 虹膜图像中噪声检测研究的意义和范围
• 1.7 论文的主要工作和内容安排
• 1.7.1 论文的主要工作
• 1.7.2 论文的内容安排
• 第二章 虹膜识别系统概述
• 2.1 引言
• 2.2 虹膜图像获取
• 2.3 虹膜图像预处理
• 2.3.1 虹膜分割
• 2.3.2 虹膜图像归一化
• 2.4 虹膜特征提取和编码
• 2.5 虹膜匹配
• 2.6 小结
• 第三章 虹膜图像中噪声检测方法的比较
• 3.1 引言
• 3.2 形态学理论概述
• 3.2.1 二值形态学
• 3.2.2 灰度形态学
• 3.3 眼睑遮挡检测方法描述
• 3.3.1 现有算法介绍
• 3.3.2 基于灰度形态学的方法
• 3.4 眼睫毛遮挡检测方法描述
• 3.4.1 现有算法介绍
• 3.4.2 基于灰度形态学的方法
• 3.5 试验结果与分析
• 3.5.1 主观准确率及检测时间的比较
• 3.5.2 识别结果比较
• 3.6 结论
• 第四章 虹膜识别初步探讨
• 4.1 引言
• 4.2 Gabor 滤波器
• 4.3 基于 2-D 奇 Gabor 滤波器的虹膜识别
• 4.3.1 虹膜特征提取及编码
• 4.3.2 虹膜匹配
• 4.4 实验结果及分析
• 4.5 结论
• 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