本文關(guān)鍵詞：基于自適應(yīng)Gabor濾波的虹膜特征提取與識別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：現(xiàn)在人類社會處于高速發(fā)展的階段,信息化滲透至人們生活的每個領(lǐng)域,隨之產(chǎn)生了很多信息安全方面的問題,社會急切需要一種行之有效、用之安全的身份鑒定方法。生物識別技術(shù)是一種依靠人類自身生物特征識別身份的手段,用以限定用戶訪問、操作權(quán)限,解決當(dāng)前信息化社會所面臨的信息安全問題。與其它生物特征相比虹膜以其唯一性、防偽性、非侵犯性等特點(diǎn)越來越得到安全領(lǐng)域?qū)W者們的重視。目前虹膜識別的產(chǎn)品已經(jīng)應(yīng)用在門禁系統(tǒng)、金融領(lǐng)域、機(jī)場安檢等一些需要高度安全的場所,但是由于其實(shí)際應(yīng)用環(huán)境的多樣性和復(fù)雜性,仍然存在許多地方需要完善。本文以提高虹膜識別實(shí)際應(yīng)用性能為目標(biāo),主要針對虹膜識別過程后期的特征提取與特征識別部分進(jìn)行了研究。為了實(shí)現(xiàn)虹膜識別系統(tǒng)在復(fù)雜的條件下能夠準(zhǔn)確識別,在特征提取方面采用了基于混沌粒子群算法尋優(yōu)Gabor參數(shù),實(shí)現(xiàn)自適應(yīng)Gabor濾波器提取相位和方向兩種虹膜紋理特征的過程。在特征識別方面,把提取到的虹膜相位特征和方向特征匹配結(jié)果作為SVR的輸入數(shù)據(jù),利用SVR模型訓(xùn)練虹膜模板特征并對待測樣本進(jìn)行識別。本文主要工作包括以下幾個方面:(1)針對采集過程中虹膜圖像不可避免的受眼瞼、睫毛遮擋等造成干擾的問題。本文對采集到的原始虹膜圖像進(jìn)行預(yù)處理,截取虹膜紋理特征突出的部分作為感興趣區(qū)域,提高了虹膜識別系統(tǒng)輸入圖像的質(zhì)量。(2)在特征提取中,本文用實(shí)驗證明了不同Gabor濾波參數(shù)對虹膜識別結(jié)果的影響。故為了提高虹膜識別的準(zhǔn)確率,本文提出利用混沌粒子群(Chaotic Particle Swarm Optimization,CPSO)優(yōu)化算法對Gabor濾波器的參數(shù)進(jìn)行尋優(yōu),并為防止算法過早收斂于局部極值在每次迭代過程中加入了混沌粒子�；煦缌Ｗ尤核惴ㄒ灶悆�(nèi)、類間區(qū)分度值作為算法的適應(yīng)度函數(shù),不斷迭代更新Gabor參數(shù)和最高適應(yīng)度函數(shù)值,直至尋找到最優(yōu)值或達(dá)到迭代次數(shù)上限為止。(3)本文采用SVR分類器綜合Gabor濾波器提取到的相位和方向兩種局部特征的匹配結(jié)果,以“0”和“1”標(biāo)識區(qū)分內(nèi)類和內(nèi)間兩個子集。通過SVR訓(xùn)練得到虹膜特征的分類模型,并以此模型對測試樣本進(jìn)行識別。實(shí)驗證明提取兩種虹膜特征可以減少由單一特征引起的不穩(wěn)定性,并且進(jìn)一步提高了虹膜識別的準(zhǔn)確性。本文的實(shí)驗數(shù)據(jù)采用中科院公開圖像庫CASIA-V4-Interval、CASIA-V4-Lamp和實(shí)驗室自主研發(fā)的虹膜采集設(shè)備采集的JLU-V3.0虹膜圖像庫,并以類內(nèi)、類間區(qū)分度評價虹膜識別方法的性能。綜上所述,本文應(yīng)用混沌粒子群算法尋優(yōu)Gabor參數(shù),給出了一種基于自適應(yīng)Gabor濾波器的虹膜識別方法,并通過SVR模型融合兩個虹膜特征的匹配結(jié)果,最終通過對比實(shí)驗驗證了算法的有效性。
【關(guān)鍵詞】：虹膜識別 Gabor濾波器 多特征提取 混沌粒子群算法 SVR
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-22
• 1.1 研究背景和意義11
• 1.2 虹膜識別國內(nèi)外發(fā)展情況11-13
• 1.3 虹膜識別系統(tǒng)概述13-20
• 1.3.1 虹膜生理結(jié)構(gòu)13
• 1.3.2 虹膜圖像庫13-16
• 1.3.3 虹膜識別的評價指標(biāo)16-19
• 1.3.4 虹膜識別的工作模式19-20
• 1.4 論文的研究內(nèi)容和組織結(jié)構(gòu)20-21
• 1.4.1 主要工作20
• 1.4.2 組織結(jié)構(gòu)20-21
• 1.5 本章小結(jié)21-22
• 第2章 虹膜圖像采集與預(yù)處理22-30
• 2.1 虹膜圖像采集設(shè)備22-23
• 2.1.1 已有采集設(shè)備23
• 2.1.2 自主研發(fā)的虹膜采集設(shè)備23
• 2.2 虹膜圖像預(yù)處理過程23-29
• 2.2.1 虹膜圖像質(zhì)量評價23-24
• 2.2.2 虹膜圖像有效區(qū)域定位24-26
• 2.2.3 虹膜紋理圖像歸一化26-27
• 2.2.4 虹膜圖像增強(qiáng)算法27-28
• 2.2.5 截取虹膜圖像ROI28-29
• 2.3 本章小結(jié)29-30
• 第3章 自適應(yīng)Gabor濾波器的虹膜特征提取30-44
• 3.1 Gabor濾波器30-31
• 3.2 基于Gabor的虹膜特征提取和編碼31-33
• 3.2.1 Gabor濾波核函數(shù)31-32
• 3.2.2 生成Gabor局部相位特征32
• 3.2.3 生成Gabor局部方向特征32-33
• 3.3 基于CPSO的Gabor濾波器參數(shù)優(yōu)化33-43
• 3.3.1 Gabor濾波器參數(shù)優(yōu)化必要性分析33-35
• 3.3.2 粒子群和二進(jìn)制粒子群尋優(yōu)的基本原理35-37
• 3.3.3 粒子群算法中引進(jìn)混沌粒子37
• 3.3.4 混沌粒子群尋優(yōu)Gabor參數(shù)過程37-38
• 3.3.5 實(shí)驗與分析38-43
• 3.4 本章小結(jié)43-44
• 第4章 基于SVR虹膜特征匹配44-52
• 4.1 SVM和SVR算法原理44-47
• 4.1.1 SVM算法原理44-46
• 4.1.2 SVR函數(shù)及其核函數(shù)46-47
• 4.2 SVR融合多虹膜特征47-48
• 4.3 實(shí)驗與分析48-51
• 4.4 本章小結(jié)51-52
• 第5章 總結(jié)與展望52-54
• 5.1 全文總結(jié)52-53
• 5.2 研究展望53-54
• 參考文獻(xiàn)54-58
• 作者簡介及在學(xué)期間所取得的科研成果58-59
• 致謝59

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 謝鋒云;;線性控制系統(tǒng)穩(wěn)定性求法解析[J];齊齊哈爾大學(xué)學(xué)報(自然科學(xué)版);2012年02期

2 董文博;孫哲南;譚鐵牛;;基于雙目視覺和旋轉(zhuǎn)云臺的遠(yuǎn)距離虹膜識別系統(tǒng)[J];科技導(dǎo)報;2010年05期

3 苑瑋琦;馮琪;柯麗;;利用2D-Gabor濾波器提取紋理方向特征的虹膜識別方法[J];計算機(jī)應(yīng)用研究;2009年08期

4 呂林濤;楊濤;;一種基于奇對稱2D Log-Gabor的虹膜特征提取算法[J];計算機(jī)應(yīng)用;2009年04期

5 姚鵬;葉學(xué)義;張文聰;莊鎮(zhèn)泉;李斌;;基于局部方向特征的虹膜識別算法[J];電路與系統(tǒng)學(xué)報;2008年05期

6 苑瑋琦;劉汪瀾;柯麗;;Gabor濾波器參數(shù)設(shè)計及其在虹膜識別中的應(yīng)用[J];計算機(jī)應(yīng)用研究;2008年08期

7 田啟川;劉正光;;虹膜識別綜述[J];計算機(jī)應(yīng)用研究;2008年05期

8 王風(fēng)華;姚向華;韓九強(qiáng);;基于多通道Gabor濾波和特征融合的虹膜識別方法[J];光電工程;2007年12期

9 陳英;朱曉冬;劉元寧;;步進(jìn)式序列虹膜圖像質(zhì)量評價[J];航空計算技術(shù);2007年04期

10 顧星;劉務(wù)勤;黃楊;唐群;趙上果;;中醫(yī)四診數(shù)字化技術(shù)的應(yīng)用前景[J];中國科技論文在線;2006年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 何飛;基于Gabor濾波的虹膜多特征提取及融合識別方法研究[D];吉林大學(xué);2015年

2 明星;虹膜識別技術(shù)中小波變換的應(yīng)用原理與方法[D];吉林大學(xué);2006年

3 劉元寧;基于指紋與虹膜生物識別技術(shù)研究[D];吉林大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 黃春;基于SVR的Gabor虹膜特征提取與識別方法研究[D];吉林大學(xué);2014年

  本文關(guān)鍵詞：基于自適應(yīng)Gabor濾波的虹膜特征提取與識別方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：461102