论文部分内容阅读
随着信息化社会的发展和人们对社会安全性要求的提高，基于生物特征识别的身份鉴别技术受到越来越广泛的关注。由于虹膜识别技术具有稳定性、唯一性和非侵犯性等生理方面的优势，使其具有高可靠性、高识别率等优点，同时它又是一个典型且复杂的计算机视觉和模式识别问题，这些使它成为生物特征识别领域中的一个研究热点，具有非常重要的学术研究价值。本文针对虹膜自身的纹理分布特性，重点研究了虹膜图像的特征提取和匹配方法。本文的主要工作和贡献如下：针对虹膜图像固有的环状结构，提出了多尺度虹膜定位算法。首先，采用光斑检测算子检测出虹膜图像中的光斑点，采用双线性插值的方法对光斑点进行填充；其次，进行粗定位，检测出瞳孔的大概位置后，再对虹膜图像进行裁切；然后，结合Daugman的微积分算子和Wildes两步法进行多尺度的精定位；最后，采用Daugman提出的橡皮圈模型进行归一化处理。实验结果表明，该方法可以快速并精确的定位出虹膜图像。针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点，为提高识别准确率，提出了PCHIP-LMD的虹膜识别方法。首先，针对虹膜纹理的分布特性，利用PCHIP-LMD对归一化的虹膜图像逐行分解，得到不同尺度的分量图像；然后，提取有效的分量图像，将其二值化为特征图像。该方法消除了虹膜特征提取时的高频噪声，能有效提取出图像的二值特征。与EMD和LMD方法相比，该方法具有更快的速度、更高的正确识别率和更好的鲁棒性。针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)的特征编码具有特征维数高、对噪声敏感等缺点，根据虹膜纹理的分布特性，提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先，用CS-LBP对归一化的虹膜图像进行编码；其次，为了进一步降低特征维数，对编码后的图像进行特征统计；然后，根据统计结果的分布，提取出有效的二值特征图像。与LBP和CS-LBP方法相比，该方法具有更少的特征维数、更高的正确识别率和更好的鲁棒性。对二维Gabor滤波器进行了研究，在此基础上提出了基于层次分析法的加权Hamming距离的虹膜识别方法。首先，用不同尺度和方向的奇对称Gabor滤波器对归一化后的虹膜滤波生成特征图像；然后，对特征图像进行Hamming距离匹配得到不同滤波器的正确识别率和等错率，根据鉴别能力，选取合适的尺度和方向进行加权Hamming距离计算，采用层次分析法计算权值；最后，利用加权后的距离进行识别。实验结果表明该方法具有很好的识别性能和鲁棒性。