论文部分内容阅读
在生物特征识别中,与其他生物特征模式识别相比,虹膜模式识别以其独特的先天优势成为一种可靠的安全的身份识别模式。在虹膜识别系统中,其识别性能与虹膜图像的质量密切相关。因此,要提高虹膜识别系统的性能,必须保证用于识别的图像质量。本文从虹膜图像的采集设备以及质量评价算法两方面进行深入分析,保证用于识别的图像的质量,具体工作如下:(1)虹膜采集设备的设计与实现。本文一方面分析了光源、图像传感器与镜头等采集必要元件的参数和类型对虹膜成像质量的影响,选择合适的光源类型、镜头焦距以及传感器。另一方面,从采集方式和供电方式两个角度对采集图像质量的影响因素进行了分析。分析结果表明:不同的采集方式使得自然环境对人眼的影响不同,在选择采集方式的同时,应消除相应的自然环境的影响;为了提高采集设备工作的稳定性,应选择合理的供电方式。针对上述分析结果,本文设计了一套较为完善的虹膜采集设备,其特征如下:采用非接触式定焦采集方式,解决采集过程中的卫生问题并降低了成本;采用一种有效的距离反馈方式,提高了设备易用性并降低了用户的配合度;提出一种去自然光的方法,去除非封闭环境下自然光的影响;设计一种电源稳压电路,解决了光源不稳定造成图像亮度不均匀的问题;设计一种光照补偿电路,解决了在较暗条件下人眼瞳孔的放大问题。(2)质量评价算法的研究。提出一种粗精结合的质量评价算法。首先,对图像整体的清晰度和虹膜可见度进行粗评价。一方面,快速剔除不合格的虹膜图像,提高系统效率;另一方面,保证后续精评价中虹膜的准确定位。其次,采用多指标融合的方法进行精评价。分析了传统多评价指标融合方法的不足,提出一种虹膜旋转度评价指标,最后结合传统的评价指标通过支持向量机(Support Vector Machine,SVM)进行融合,得到分类结果。在JLU-IRIS_V3虹膜图像库上的算法准确性与预测性的分析实验表明,与传统的多指标融合评价方法相比,本文的方法具有更好的准确性和预测性,提高了系统的识别性能。综上所述,本文从硬件本身与自然环境角度,分析了影响成像质量的因素,设计并实现了一套较为完善的虹膜采集设备;分析了传统图像质量评价算法的不足,定义一种旋转度评价指标并结合传统的评价指标通过SVM融合分类。