發(fā)布時間：2021-07-21 01:22

　　隨著經(jīng)濟與科技的高速發(fā)展,個人信息的安全性越來越受到重視,這使得生物識別技術(shù)快速發(fā)展并逐漸成熟。在智能移動終端中實現(xiàn)可見光下的虹膜身份識別是其中熱度較高的研究課題之一。因此本文將適用于可見光條件的移動端虹膜識別系統(tǒng)作為課題背景,研究虹膜圖像質(zhì)量評價與虹膜定位方法。虹膜圖像質(zhì)量評價與虹膜定位是虹膜識別系統(tǒng)中的重要步驟。智能移動終端所獲取的可見光圖像易受干擾而無法準確定位,即使定位成功,所獲圖像的紋理信息也可能因光照問題而無法滿足識別需求。為解決上述問題,本文利用智能移動終端的視頻采集功能,面向多幀序列虹膜圖像,提出一種結(jié)合圖像質(zhì)量評價與虹膜區(qū)域定位的級聯(lián)型框架,在實現(xiàn)虹膜圖像質(zhì)量評價的同時完成虹膜區(qū)域定位,以保證虹膜定位的準確性和虹膜紋理信息的可靠性。該方法首先采用Tenegrad清晰評價函數(shù)對圖像進行虹膜圖像質(zhì)量評價,排除因運動或者失焦引起的模糊圖像。然后建立一個HOG+SVM分類模型實現(xiàn)虹膜初定位,從人眼圖像中初步定位虹膜區(qū)域,排除人臉面部與眉毛等非虹膜區(qū)域。再采用小波變換提取出虹膜區(qū)域的小波系數(shù),構(gòu)成特征向量輸入BP神經(jīng)網(wǎng)絡(luò)進行虹膜紋理質(zhì)量評價,以排除虹膜紋理不清晰圖像。最后采用擬... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

MICHE-I虹膜數(shù)據(jù)庫Fig.1.1MICHE-IirisdatabaseiPhone5SamsungGalaxyS4

沈陽工業(yè)大學(xué)碩士學(xué)位論文6這四種條件下的8張虹膜圖像，前置攝像頭所拍攝的圖像尺寸大小為9601280，后置攝像頭所拍攝的圖像尺寸大小為1536*2048。SamsungGalaxyS4圖庫圖像的采集環(huán)境與iPhone5圖庫采集環(huán)境相同，前置攝像頭所拍攝的圖像尺寸大小為1080*1920，后置攝像頭所拍攝的圖像尺寸大小為2322*4128。1.4.2UBIRIS.v2虹膜數(shù)據(jù)庫UBIRIS虹膜識別數(shù)據(jù)庫是2005年葡萄牙BeiriaInterior大學(xué)為了評估在遠離理想成像條件下可見光虹膜識別的可行性所構(gòu)建的數(shù)據(jù)庫，該數(shù)據(jù)庫中包含受成像距離、主題視角和光照條件影響的各種非理想圖像。該庫主要由UBIRIS.v1和UBIRIS.v2兩個庫構(gòu)成，其中UBIRIS.v2是在非約束條件（遠距離，移動和可見波長）下捕獲的圖像，具有更現(xiàn)實的噪聲因子。UBIRIS.v2數(shù)據(jù)庫中的圖像均由佳能EOS5D設(shè)備在自然光和人造光源下采集，其中一共采集了261個志愿者，拉丁美洲的白種人占約90%，黑人占約8%和亞裔占約2%。為了增加異質(zhì)性，每個志愿者分兩個階段采集圖像，從第一階段到第二階段，采集設(shè)備和人造光源的位置和方向會發(fā)生變化。在采集過程中，要求志愿者以比正常速度稍慢的速度行走，并觀察迫使他們旋轉(zhuǎn)頭部和眼睛的多個橫向標記，從而能夠在8米至4米之間手動捕獲每米3幅圖像，從而獲得總共15幅圖像，總計11102幅虹膜圖像。UBIRIS.v2數(shù)據(jù)庫的圖像采集框架與人工裁剪合成圖像的細節(jié)如表1.1所示，圖1.2為該虹膜數(shù)據(jù)中的虹膜圖像。表1.1UBIRIS.v2數(shù)據(jù)庫圖像采集框架Tab.1.1UBIRIS.v2databaseimageacquisitionframework相機名稱顏色表示快門速度曝光時間焦距格式像素分辨率佳能EOS5DRGB1/197秒1/200秒400毫米tiff300*400圖1.2UBIRIS.v2虹膜數(shù)據(jù)庫Fig.1.2UBIRIS.v2irisdatabase

第2章虹膜圖像增強與光斑消除9圖2.1Retinex原理圖Fig.2.1Retinexschematicdiagram對于人眼所看到的顏色來說，環(huán)境光照和物體表面反射光能力決定進入人眼中的物體的亮度。因此，Retinex算法的數(shù)學(xué)表達式可以表示為式（2.1）：S(x,y)L(x,y)R(x,y)（2.1）在處理過程中，為減輕計算壓力，通常在對數(shù)域內(nèi)進行計算，即對式（2.1）兩邊取對數(shù)進行計算，如式（2.2）所示：Log[R(x,y)]Log[S(x,y)]Log[L(x,y)]（2.2）其中，S(x,y)表示原始虹膜圖像，L(x,y)表示估計后的光照圖像，R(x,y)表示增強后虹膜圖像。其具體步驟如下所示：（1）讀入原始虹膜圖像S(x,y)，并輸入高斯模糊半徑；（2）根據(jù)輸入的高斯模糊半徑，對圖像進行高斯模糊得到估計后的光照圖像L(x,y)；（3）將高斯模糊后的圖像L(x,y)代入式（2.2）中，得到增強后的虹膜圖像Log[R(x,y)]；（4）將Log[R(x,y)]量化映射到0~255的像素值之內(nèi)，得到增前后虹膜圖像。單尺度Retinex增強算法選用的高斯函數(shù)導(dǎo)致增強后圖像不能同時滿足大幅度壓縮與對比度增強，為使兩種增強效果都得到保證，需選擇合適的高斯模糊半徑值，半徑值在80~100之間進行選齲對于最后一步Log[R(x,y)]的量化映射方法有很多種，其中比較簡單是通過統(tǒng)計出反射圖像的最大值（Max）及最小值（Min），量化每個像素的灰度值value得到增強后的虹膜圖像R(x,y)的灰度。數(shù)學(xué)表達式如式（2.3）所示：


本文編號：3294010