学位论文 > 优秀研究生学位论文题录展示

虹膜识别算法的研究与实现

作　者: 林刚
导　师: 赵丽红
学　校: 东北大学
专　业: 计算机软件与理论
关键词: 虹膜定位特征提取海明距离区域收索虹膜子带索引
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 11次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息技术的发展和日益增长的对安全的需要,基于虹膜的身份识别作为一种高度可靠的非侵犯性生物特征识别方式越来越受到人们的重视。虹膜是唯一一个在外部可见的人体内部器官,虹膜的表面凹凸不平,由许多隐窝、褶皱、色素斑等组成,包含了丰富的纹理信息。这些丰富的纹理结构和虹膜自身的特点,使得虹膜具有唯一性,高可靠性等优点,让虹膜识别作为身份识别手段成为可能,也使得虹膜识别成为当今生物身份识别领域的研究热门。虹膜识别系统主要包括了虹膜图像采集、虹膜图像预处理、虹膜图像特征提取、模式匹配与识别四个部分。它的研究主要涉及到了计算机视觉、数字图像处理、小波理论、模式识别等众多学科领域。其中,虹膜定位和特征提取是虹膜识别系统中的关键技术。本论文从虹膜自身的生理结构特性出发,对虹膜识别中的关键技术进行了研究,提出了一些新的思想和算法。本文的主要工作如下：(1)完成了虹膜图像的预处理。对虹膜内边缘的定位采用两步定位的方法,虹膜内边缘的粗定位利用小波变换和形态学相结合的方法实现,然后利用圆周差分的方法实现了虹膜内边缘的精定位；对虹膜的外边缘根据先验知识直接利用圆周差分的方法在指定区域实现精确定位。本文的定位方法缩小了搜索范围,缩短了计算时间,提高了定位精度。(2)完成了虹膜图像的特征提取和模式匹配。首先用Log_Gabor小波提取纹理特征,基于虹膜纹理相位信息实现编码,用Hamming距离实现模式匹配；然后提出并实现了基于区域搜索确定最佳虹膜匹配值的算法,这种方法不需要定位虹膜外边缘,可以减少虹膜外边缘定位失误对后期识别率造成的影响。(3)为了缩短本文提出的基于区域搜索确定最佳匹配值算法的运算时间,在海明距离分类器的基础上引入基于“虹膜索引子类”的二次分类方法,对于待识别的虹膜特征码,如果其某些关键特征没有得到匹配,就不继续匹配其全部的虹膜特征,从而减少了整个识别的工作量,缩短了分类器分类的时间,在一定程度上提高了系统识别速度。最后,给出了本文的实验结果,与目前算法进行比较,证明系统具有较强的鲁棒性和准确性。

全文目录

摘要  5-7
Abstract  7-12
第1章绪论  12-26
  1.1 生物特征识别  12-17
    1.1.1 传统非生物特征身份鉴别方法  12-13
    1.1.2 生物特征身份识别方法  13-17
  1.2 虹膜识别  17-21
    1.2.1 虹膜的生理结构  17-19
    1.2.2 虹膜识别的原理  19-20
    1.2.3 虹膜识别的发展与现状  20-21
  1.3 虹膜识别研究的难点  21-23
  1.4 本文研究内容  23-26
    1.4.1 本文的主要工作  23
    1.4.2 本文安排  23-26
第2章虹膜识别经典算法的对比研究  26-42
  2.1 虹膜图像的获取  26-27
  2.2 虹膜图像的预处理与定位  27-32
    2.2.1 Daugman的虹膜定位方法  28-30
    2.2.2 Wildes的虹膜定位方法  30-31
    2.2.3 中科院的虹膜定位方法  31-32
  2.3 虹膜图像特征提取与模式匹配  32-41
    2.3.1 Daugman的方法  32-37
    2.3.2 Wildes的方法  37-39
    2.3.3 Boles方法  39-41
  2.4 本章小结  41-42
第3章虹膜图像预处理  42-54
  3.1 虹膜库介绍  42
  3.2 虹膜的定位  42-49
    3.2.1 虹膜内边缘的定位  42-47
    3.2.2 虹膜外边缘的定位  47
    3.2.3 眼睑的去除  47-48
    3.2.4 定位实验与结果分析  48-49
  3.3 虹膜图像的规一化  49-52
    3.3.1 归一化模型  49-51
    3.3.3 双线性插值  51-52
  3.4 本章小结  52-54
第4章虹膜特征的编码提取与匹配  54-64
  4.1 虹膜特征编码提取与匹配  54-58
    4.1.1 Log_Gabor小波简介  54-55
    4.1.2 基于Log_Gabor小波的虹膜特征提取  55
    4.1.3 虹膜特征编码  55-56
    4.1.4 虹膜编码的匹配  56-58
  4.2 基于区域搜索的特征提取与编码  58-61
  4.3 基于虹膜索引子带的二次分类识别算法  61-63
  4.4 本章小结  63-64
第5章实验与数据分析  64-78
  5.1 技术指标  64-66
  5.2 基于整个虹膜库的实验  66-71
    5.2.1 基于Log_Gabor的匹配实验与数据分析  66-67
    5.2.2 基于区域搜索确定最佳匹配值方法的实验与数据分析  67-69
    5.2.3 基于Log_Gabor与区域搜索相结合方法的实验与数据分析  69-70
    5.2.4 识别算法比较  70-71
  5.3 基于完美图片的Log_Gabor与区域搜索相结合实验  71-73
  5.4 基于虹膜索引子带的二次分类识别实验  73-76
  5.5 本章小结  76-78
第6章总结与展望  78-80
  6.1 总结  78
  6.2 展望  78-80
参考文献  80-84
致谢  84

虹膜识别算法的研究与实现

内容摘要

全文目录

相似论文