發(fā)布時(shí)間：2018-09-19 05:53

【摘要】：在日益注重信息安全的今天,人們對(duì)身份認(rèn)證有了新的理解,期望身份識(shí)別具有更高的安全性與準(zhǔn)確性。傳統(tǒng)意義上的身份識(shí)別手段不能有效地自動(dòng)進(jìn)行身份鑒別,并且存在諸多問題。在此背景下產(chǎn)生了基于生物特征的身份識(shí)別技術(shù),其中虹膜識(shí)別技術(shù)憑借其各種特性成為該領(lǐng)域的研究重點(diǎn)。虹膜識(shí)別的前處理過程包括圖像采集、圖像質(zhì)量評(píng)價(jià)、虹膜定位、歸一化與圖像增強(qiáng)等步驟。前處理的主要目的是為后續(xù)的特征提取與匹配提供高質(zhì)量的輸入,所以前處理的結(jié)果直接影響到整個(gè)虹膜識(shí)別系統(tǒng)的性能。本文主要研究虹膜識(shí)別的前處理算法,通過深入分析其中的圖像質(zhì)量評(píng)價(jià)方法與虹膜定位方法,來提升虹膜識(shí)別前處理方法的精確度與效率。具體工作內(nèi)容如下:1.提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的虹膜圖像質(zhì)量評(píng)價(jià)算法。本文通過三個(gè)處理過程對(duì)虹膜圖像的質(zhì)量進(jìn)行系統(tǒng)的評(píng)價(jià),首先對(duì)被采集圖像進(jìn)行活體檢測(cè),一旦發(fā)現(xiàn)為偽造圖像則立刻剔除,該步驟可以大大提升系統(tǒng)的安全性,避免不必要的時(shí)間浪費(fèi)。之后對(duì)圖像質(zhì)量進(jìn)行粗評(píng)估,文中粗評(píng)價(jià)指標(biāo)的計(jì)算復(fù)雜度較低,可以快速有效的初步篩選圖像,為虹膜圖像質(zhì)量的精評(píng)估提供可靠輸入。接著進(jìn)行虹膜圖像質(zhì)量的精評(píng)估,本文分析了一些傳統(tǒng)指標(biāo)的不足,改進(jìn)了這些指標(biāo)的計(jì)算方法,設(shè)置了本文的精評(píng)價(jià)指標(biāo),最后通過BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)對(duì)這些評(píng)價(jià)因子進(jìn)行融合,得出分類集合。2.提出了一種改進(jìn)的虹膜定位方法。該算法將虹膜定位過程分為虹膜內(nèi)圓粗、精定位與虹膜外圓粗、精定位等步驟。對(duì)于虹膜內(nèi)圓定位:首先將虹膜圖像二值化與去噪,對(duì)瞳孔區(qū)域進(jìn)行投影得到虹膜內(nèi)圓的粗定位,該粗定位范圍有效隔絕了眼瞼和睫毛等噪聲的干擾,又將瞳孔部分完全包圍在其中,然后用Canny算子檢測(cè)瞳孔邊緣,再用最小二乘法進(jìn)行內(nèi)圓邊界擬合,從而完成虹膜內(nèi)圓的精定位。對(duì)于外圓定位:首先根據(jù)內(nèi)圓定位結(jié)果,設(shè)立檢測(cè)模板,從瞳孔的上下左右四個(gè)方向檢測(cè)外圓邊界點(diǎn),根據(jù)這些邊界點(diǎn)得到外圓的粗定位。然后根據(jù)該粗定位參數(shù),縮小使用Daugman圓模板檢測(cè)時(shí)圓心和半徑的增量范圍,從而大大減小計(jì)算量,得到外圓的精定位。3.對(duì)本文的前處理整體算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。本文從虹膜識(shí)別系統(tǒng)的整體性能上來對(duì)提出的前處理算法進(jìn)行實(shí)驗(yàn)驗(yàn)證,通過實(shí)驗(yàn)得出:本文的前處理算法使識(shí)別系統(tǒng)具有較高的正確識(shí)別率,提升了虹膜識(shí)別系統(tǒng)的性能。同時(shí)也對(duì)本文的質(zhì)量評(píng)價(jià)方法與虹膜定位方法進(jìn)行了單獨(dú)的實(shí)驗(yàn),說明了該兩種方法和其同類算法相比具有的優(yōu)勢(shì)。綜上所述,本文對(duì)虹膜識(shí)別的前處理算法進(jìn)行了研究,提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的質(zhì)量評(píng)價(jià)方法,以及一種基于小范圍搜索、最小二乘曲線擬合與Daugman圓模板檢測(cè)結(jié)合的虹膜定位方法。
[Abstract]:Nowadays, people pay more and more attention to information security, people have a new understanding of identity authentication, and expect identity recognition to have higher security and accuracy. Traditional means of identity identification can not effectively identify automatically, and there are many problems. Under this background, biometrics based identity recognition technology has been developed, in which iris recognition technology has become the focus of this field by virtue of its various characteristics. The pre-processing process of iris recognition includes image acquisition, image quality evaluation, iris location, normalization and image enhancement. The main purpose of pre-processing is to provide high-quality input for subsequent feature extraction and matching, so the result of pre-processing has a direct impact on the performance of the whole iris recognition system. This paper mainly studies the pre-processing algorithm of iris recognition, through in-depth analysis of image quality evaluation and iris location methods, to improve the accuracy and efficiency of iris recognition pre-processing methods. The details of the work are as follows: 1. An iris image quality evaluation algorithm based on BP neural network is proposed. In this paper, the quality of the iris image is systematically evaluated through three processing processes. Firstly, the captured image is detected in vivo. Once the false image is found, it is eliminated immediately, which can greatly enhance the security of the system. Avoid unnecessary waste of time. After rough evaluation of the image quality, the calculation complexity of the rough evaluation index is low, which can quickly and effectively screen the image, and provide reliable input for the accurate evaluation of the iris image quality. Then the iris image quality is evaluated carefully. The shortcomings of some traditional indexes are analyzed, the calculation method of these indexes is improved, and the fine evaluation indexes are set up. Finally, the BP (Back Propagation) neural network is used to fuse these evaluation factors. The classification set. 2. An improved iris location method is proposed. The algorithm divides the process of iris localization into three steps: inner circle of iris, fine localization and outer circle of iris, fine location of iris. For the location of iris circle: firstly, the iris image is binarized and denoised, and the coarse location of the iris circle is obtained by projecting the pupil area, which effectively insulates the interference of eyelids and eyelashes. The pupillary part is completely surrounded, then the pupil edge is detected by Canny operator, and the inner circle boundary is fitted by the least square method, so that the precise location of the iris inner circle is completed. For outer circle location: firstly, according to the result of inner circle localization, the detection template is set up, and the outer circle boundary points are detected from the upper and lower directions of the pupil, and the rough location of the outer circle is obtained according to these boundary points. Then, according to the coarse positioning parameters, the increment range of the center and radius of the circle detected by using Daugman circle template is reduced, and the calculation amount is greatly reduced, and the precise location of the outer circle is obtained. 3. Experimental verification of the whole pre-processing algorithm is carried out. In this paper, the proposed pre-processing algorithm is experimentally verified from the overall performance of the iris recognition system. The experimental results show that the pre-processing algorithm in this paper makes the recognition system have a higher recognition rate and improves the performance of the iris recognition system. At the same time, a separate experiment on the quality evaluation method and iris localization method is carried out in this paper, which shows the advantages of the two methods compared with the similar algorithms. To sum up, the pre-processing algorithm of iris recognition is studied in this paper, and a quality evaluation method based on BP neural network and a method based on small range search are proposed. Iris location method combined with least square curve fitting and Daugman circular template detection.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳偉箐;;眼中的身份證——虹膜識(shí)別在應(yīng)用中不斷發(fā)展[J];中國(guó)安防;2013年05期

2 黃雅平,羅四維,陳恩義;基于獨(dú)立分量分析的虹膜識(shí)別方法[J];計(jì)算機(jī)研究與發(fā)展;2003年10期

3 呂亦生;虹膜識(shí)別綜述[J];安防科技;2003年05期

4 劉輝,黃歡;虹膜識(shí)別關(guān)鍵技術(shù)研究[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2004年04期

5 孫哲南 ,譚鐵牛;虹膜識(shí)別研究與應(yīng)用綜述[J];自動(dòng)化博覽;2005年02期

6 孟愛國(guó),劉國(guó)彥,李峰;基于多層小波分解的虹膜識(shí)別算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年22期

7 田啟川;潘泉;程詠梅;張洪才;;不完全虹膜模式唯一性實(shí)驗(yàn)研究[J];計(jì)算機(jī)應(yīng)用研究;2006年02期

8 田啟川;潘泉;程詠梅;張洪才;;虹膜識(shí)別中標(biāo)準(zhǔn)化區(qū)域分辨率的研究[J];計(jì)算機(jī)應(yīng)用研究;2006年04期

9 上官英俊;施鵬飛;;基于局部線性嵌套的虹膜識(shí)別方法[J];微型電腦應(yīng)用;2006年01期

10 ;虹膜以及視網(wǎng)膜識(shí)別技術(shù)現(xiàn)狀分析[J];中國(guó)防偽報(bào)道;2006年04期

相關(guān)會(huì)議論文 前10條

1 范科峰;曾慶寧;許鋼;陳理光;;一種基于神經(jīng)網(wǎng)絡(luò)的虹膜識(shí)別算法[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

2 張祥德;曹宇;王琪;劉賢艷;姚翠莉;高龍成;;基于差分融合的虹膜識(shí)別方法[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

3 劉雅麗;王敏;黃木旺;;高精度虹膜識(shí)別光學(xué)鏡頭的研制[A];中國(guó)光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

4 方海兵;徐永雙;;實(shí)施虹膜識(shí)別考勤 推進(jìn)人力資源管理創(chuàng)新[A];資本運(yùn)營(yíng)、克服困難、振興經(jīng)濟(jì)——煤炭經(jīng)濟(jì)管理新論（第12輯）第十三屆中國(guó)煤炭經(jīng)濟(jì)管理論壇暨2012年中國(guó)煤炭學(xué)會(huì)經(jīng)濟(jì)管理專業(yè)委員會(huì)年會(huì)論文集[C];2012年

5 劉曉梅;魏立峰;李飛;;空間信息與尺度信息相結(jié)合的虹膜識(shí)別算法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 何玉青;劉飛虎;何歡;馮光琴;冷準(zhǔn);;基于支持向量機(jī)的近紅外人臉與虹膜融合算法[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

7 肖明亮;吳仁彪;;基于PCA-SIFT的虹膜識(shí)別算法[A];全國(guó)第一屆信號(hào)處理學(xué)術(shù)會(huì)議暨中國(guó)高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理分會(huì)籌備工作委員會(huì)第三次工作會(huì)議�？痆C];2007年

8 王鳳隨;李素文;馮桂;;基于方向特征和局部walsh變換的虹膜識(shí)別新算法[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

9 應(yīng)忍冬;張建臣;徐國(guó)治;;虹膜身份識(shí)別系統(tǒng)[A];中國(guó)電子學(xué)會(huì)第七屆學(xué)術(shù)年會(huì)論文集[C];2001年

10 王興榮;季鵬;;虹膜識(shí)別引導(dǎo)的LASIK治療遠(yuǎn)視的臨床研究[A];中華醫(yī)學(xué)會(huì)第十二屆全國(guó)眼科學(xué)術(shù)大會(huì)論文匯編[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 記者 楊文利;中科院自動(dòng)化所在國(guó)際虹膜識(shí)別公開競(jìng)賽中奪魁[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2009年

2 記者劉垠;虹膜識(shí)別形成完整產(chǎn)業(yè)鏈[N];大眾科技報(bào);2010年

3 本報(bào)記者范君;虹膜識(shí)別生物技術(shù)激發(fā)10億安全市場(chǎng)[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2003年

4 記者 林燕英邋通訊員 曾歡玲;“虹膜識(shí)別”欲進(jìn)尋常百姓家[N];中山日?qǐng)?bào);2008年

5 本報(bào)記者 趙建國(guó);自主創(chuàng)新敲開“虹膜識(shí)別”成長(zhǎng)之門[N];中國(guó)知識(shí)產(chǎn)權(quán)報(bào);2009年

6 本報(bào)實(shí)習(xí)記者 王新佳;虹膜：新的身份標(biāo)識(shí)[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2001年

7 張小博 中國(guó)科學(xué)院自動(dòng)化研究所;虹膜:“便攜式人體身份證”[N];中國(guó)社會(huì)科學(xué)報(bào);2011年

8 王耀翠;凱平艾森：專利撬動(dòng)虹膜識(shí)別市場(chǎng)[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2005年

9 中科院自動(dòng)化所生物特征認(rèn)證與測(cè)評(píng)中心　馬力;從眼中看生命信息[N];計(jì)算機(jī)世界;2003年

10 欣華;虹膜識(shí)別生物技術(shù)潛在十億市場(chǎng)規(guī)模[N];經(jīng)理日?qǐng)?bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 古紅英;基于統(tǒng)計(jì)學(xué)習(xí)理論的虹膜識(shí)別研究[D];浙江大學(xué);2005年

2 徐露;虹膜識(shí)別若干關(guān)鍵問題研究[D];沈陽工業(yè)大學(xué);2008年

3 劉洋;基于虹膜識(shí)別的身份認(rèn)證系統(tǒng)算法研究[D];中國(guó)科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2009年

4 史春蕾;虹膜身份識(shí)別算法的研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2011年

5 林忠華;基于人眼自然睜開狀態(tài)下的虹膜識(shí)別方法研究[D];沈陽工業(yè)大學(xué);2008年

6 張?jiān)诜?虹膜識(shí)別算法研究及系統(tǒng)實(shí)現(xiàn)[D];蘭州大學(xué);2009年

7 羅忠亮;虹膜生物特征的提取與識(shí)別[D];華南理工大學(xué);2010年

8 田啟川;不完美虹膜的定位分割、特征提取與分類識(shí)別[D];西北工業(yè)大學(xué);2006年

9 程宇奇;用于身份鑒別的虹膜識(shí)別算法研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

10 徐中宇;虹膜識(shí)別算法的研究[D];吉林大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 張英杰;基于支持向量機(jī)和Hamming距離的虹膜識(shí)別算法研究[D];鄭州大學(xué);2015年

2 李鉞鉞;基于平均局部二值模式的虹膜識(shí)別[D];山東大學(xué);2015年

3 姜冰;基于CGA的虹膜噪聲圖像快速定位與三維重建[D];哈爾濱工業(yè)大學(xué);2015年

4 熊兵;虹膜識(shí)別在門禁系統(tǒng)中的應(yīng)用研究[D];電子科技大學(xué);2014年

5 許會(huì)杰;虹膜識(shí)別的算法研究[D];電子科技大學(xué);2014年

6 韓晉;基于稀疏表示的偽造虹膜檢測(cè)算法研究[D];華南理工大學(xué);2015年

7 李園;一種自動(dòng)虹膜懫集與識(shí)別系統(tǒng)的研制[D];蘭州大學(xué);2014年

8 張林;基于紋理特征的虹膜識(shí)別方法研究[D];成都信息工程學(xué)院;2014年

9 劉婷;基于虹膜身份識(shí)別算法的研究[D];西安工程大學(xué);2016年

10 于麗姣;虹膜定位算法研究[D];吉林大學(xué);2016年

，

本文編號(hào)：2249235