發(fā)布時(shí)間：2018-02-05 04:00

  本文關(guān)鍵詞： 虹膜識別 特征提取 區(qū)域紋理分析 能量方向特征 直方圖變換 特征融合 多模態(tài)生物特征識別　出處：《吉林大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：相較于其它生物特征識別技術(shù),虹膜識別在唯一性、穩(wěn)定性、非侵犯性和高防偽性等方面的優(yōu)勢更為突出,受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注,在軍事、安防、電子商務(wù)等領(lǐng)域有著廣闊的應(yīng)用前景。本文針對虹膜識別設(shè)備研發(fā)和產(chǎn)業(yè)化過程中遇到的實(shí)際問題,對基于Gabor濾波的虹膜特征表達(dá)和識別方法展開了深入的研究,在Gabor濾波器組的構(gòu)建和參數(shù)選擇、虹膜特征提取、虹膜區(qū)域紋理分析、特征融合,以及多模態(tài)生物特征識別等方面進(jìn)行了有效的改進(jìn)與創(chuàng)新,取得了預(yù)期的效果。本文主要研究內(nèi)容和研究成果如下:(1)應(yīng)用二維Gabor濾波器進(jìn)行特征提取時(shí),不同的特征表述形式反映了虹膜紋理的不同特性,相應(yīng)的濾波器組的構(gòu)造方式和參數(shù)選擇方法也不盡相同。本文以不同濾波方向上虹膜紋理的能量分布作為特征,構(gòu)建了一個(gè)多通道二維Gabor濾波器組。在對濾波器組的頻率、尺度和方向等參數(shù)進(jìn)行了詳細(xì)分析的基礎(chǔ)上,提出了一種基于虹膜能量方向特征(Energy-Orientation Feature,EOF)的濾波器參數(shù)選擇方法。在多個(gè)虹膜圖像庫上的測試結(jié)果證明,本文提出的EOF特征不僅具有較高的可區(qū)分性,還兼具幅值特征和方向特征的優(yōu)點(diǎn),即特征分布平滑,不會出現(xiàn)柵格狀的邊緣點(diǎn),同時(shí)對光照變化也不敏感。(2)針對基于圓形作用域的Gabor濾波器組,無法對圖像進(jìn)行可變比例的多尺度分析的不足。本文提出了一種基于虹膜多扇區(qū)紋理特征和加權(quán)融合的虹膜識別方法,該方法首先根據(jù)眼瞼、睫毛等遮擋的分布規(guī)律,構(gòu)建不同的扇形感興趣區(qū)域(Sector Region of Interest,SROI),并對每個(gè)SROI的歸一化尺寸進(jìn)行尋優(yōu),避免EOF特征提取方法陷入局部最優(yōu)。然后應(yīng)用二維Gabor濾波器組,對最優(yōu)尺寸下的虹膜圖像進(jìn)行EOF特征提取。最后,將所有EOF特征進(jìn)行加權(quán)融合形成多扇區(qū)特征編碼,并采用海明距離進(jìn)行特征匹配。在CASIAV1.0和JLU3.0虹膜庫上的實(shí)驗(yàn)結(jié)果表明,歸一化尺寸尋優(yōu)有效地提高了EOF特征的可區(qū)分性,多扇區(qū)特征融合可以進(jìn)一步提高識別系統(tǒng)的準(zhǔn)確性和魯棒性,尤其是當(dāng)虹膜圖像遮擋較為嚴(yán)重時(shí),提升幅度更為明顯。(3)為了縮短特征提取時(shí)間和提升EOF特征的可區(qū)分性,本文提出了一種基于能量方向直方圖特征(Energy-Orientation Histogram Feature,EOHF)的虹膜識別方法。該方法首先采用多方向、單尺度的Gabor濾波器組取代多方向、多尺度濾波器組進(jìn)行EOF特征提取,以減少特征提取時(shí)間和縮短特征編碼長度。然后通過直方圖變換將逐點(diǎn)匹配的EOF特征,轉(zhuǎn)化為逐塊比對的EOHF特征,最后采用歐式距離進(jìn)行特征匹配。實(shí)驗(yàn)結(jié)果表明,EOHF特征較EOF特征具有更高的可區(qū)分性,受局部噪聲的影響也更小。由其構(gòu)成的識別算法用時(shí)少、精度高,完全可以滿足實(shí)時(shí)虹膜識別系統(tǒng)的要求。(4)針對EOHF特征的可區(qū)分性會隨著樣本數(shù)量的增加而降低的問題,本文提出了一種基于局部紋理特征的虹膜二次識別方法,該方法將EOF特征提取和直方圖變換一分為二,分別置于首次識別和二次識別兩個(gè)處理過程中。在首次識別階段,對所有樣本進(jìn)行EOF特征提取和粗分類。在二次識別階段,對首次識別后剩余的錯(cuò)分樣本進(jìn)行直方圖變換和EOHF編碼。由于錯(cuò)分樣本的數(shù)量遠(yuǎn)遠(yuǎn)小于樣本總數(shù),樣本規(guī)模不再直接作用于直方圖變換過程,有效地降低了樣本數(shù)量激增對EOHF特征的影響,保證了二次識別的精度。(5)目前,對多模態(tài)生物特征識別技術(shù)的研究多集中在基于匹配層融合的身份認(rèn)證,而對于靈活性更高、應(yīng)用領(lǐng)域更廣的特征層融合識別方法的研究卻相對較少。究其主要原因,是特征層融合對所提取特征的性能和形式都有著極為嚴(yán)苛的要求,不但要求所提取到的所有單模態(tài)特征都具有較高的可區(qū)分性,而且還要確保這些特征是同質(zhì)和可比較的,而匹配層和決策層融合對后者沒有要求。針對上述問題,本文提出了一種基于特征層融合的人臉-虹膜多模態(tài)生物特征識別方法。該方法通過構(gòu)建通用的人臉和虹膜特征提取模型,實(shí)現(xiàn)了同質(zhì)且高效的單模態(tài)人臉和虹膜特征表述。通過基于Multi-PCA和SVM的融合識別策略,實(shí)現(xiàn)了高精度的一對多模式的身份識別,突破了Gabor濾波器無法進(jìn)行人臉和虹膜特征層融合的限制。實(shí)驗(yàn)結(jié)果表明,本文所提出的方法不但能夠有效地提取人臉和虹膜特征,而且通過特征層融合還能夠獲得更高的識別精度。與其它融合方法相比,本文方法在識別精度和識別模式上都有著明顯的優(yōu)勢。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李粉蘭;曹霄輝;左坤隆;徐可欣;;采用改進(jìn)的基于余量的算法實(shí)現(xiàn)人臉識別中最佳Gabor特征的選擇(英文)[J];光電工程;2006年09期

2 李嵐;;Gabor框架及其對偶框架的擾動[J];紡織高�；A(chǔ)科學(xué)學(xué)報(bào);2008年01期

3 郭永明;水鵬朗;;一種修正Gabor譜圖的新方法[J];計(jì)算機(jī)工程與應(yīng)用;2008年28期

4 柳葉;;Gabor框的存在性問題探討[J];西南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年08期

5 袁偉;李曉東;;人臉識別應(yīng)用中的Gabor核選擇算法(英文)[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2012年07期

6 薛健,袁保宗;一種新穎的求解離散Gabor展開對偶窗的方法[J];信號處理;1996年02期

7 薛健，，袁保宗;離散擬正交Gabor展開[J];電子學(xué)報(bào);1997年04期

8 許春曄,郭寶蘭;基于Gabor函數(shù)的漢字字體識別[J];河北大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年02期

9 田學(xué)東,郭寶蘭;基于Gabor變換的漢字字體識別研究[J];計(jì)算機(jī)工程與應(yīng)用;2002年20期

10 馬麗紅,張宇,陳曉棠;慣性平面下基于Gabor濾波和視網(wǎng)膜模型的目標(biāo)檢測[J];微電子學(xué)與計(jì)算機(jī);2004年01期

相關(guān)會議論文 前10條

1 朱學(xué)芳;鄒文豪;王欒井;;對字體識別中Gabor濾波器參數(shù)的實(shí)驗(yàn)研究[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

2 Kurban Ubul;Abdiryim Raxidin;Alim Aysa;;2-D Gabor Filter based Feature Extraction Method for Uyghur Handwriting Image[A];少數(shù)民族青年自然語言處理技術(shù)研究與進(jìn)展——第三屆全國少數(shù)民族青年自然語言信息處理、第二屆全國多語言知識庫建設(shè)聯(lián)合學(xué)術(shù)研討會論文集[C];2010年

3 ;Face recognition based on Gabor phase[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會——通信與信息技術(shù)會議論文集（下）[C];2006年

4 馬世偉;吳從毛;袁康;;基于時(shí)間切變Gabor原子的時(shí)頻建模[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 唐榮生;張宏志;王寬全;;基于Gabor小波的舌象舌苔厚薄分類研究[A];黑龍江省計(jì)算機(jī)學(xué)會2007年學(xué)術(shù)交流年會論文集[C];2007年

6 ;Edge Detection of Plant Roots Image via Gabor Wavelet Theory[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

7 何苗;張宏志;王寬全;;基于Gabor小波和特征加權(quán)的紅星舌象分類研究[A];黑龍江省計(jì)算機(jī)學(xué)會2007年學(xué)術(shù)交流年會論文集[C];2007年

8 LV Xue-fang;Ping Tao;;Realization of Face Recognition System Based on Gabor Wavelet and Elastic Bunch Graph Matching[A];第25屆中國控制與決策會議論文集[C];2013年

9 朱學(xué)芳;鄒文豪;朱鵬;;基于Gabor函數(shù)的字體識別實(shí)驗(yàn)研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

10 郭浩;歐宗瑛;;基于Gabor濾波的指紋增強(qiáng)方法研究[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

相關(guān)重要報(bào)紙文章 前1條

1 王麗輝;Gabor 時(shí)尚綠色品牌[N];中國服飾報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 霍光;基于二維Gabor濾波的虹膜特征表達(dá)及識別方法研究[D];吉林大學(xué);2016年

2 臧麗麗;Gabor框架和小波框架的必要條件和充分條件[D];南開大學(xué);2010年

3 余磊;Gabor小波變換在人臉識別中的應(yīng)用研究[D];重慶大學(xué);2009年

4 林晨;離散Gabor變換與展開快速并行算法分析與實(shí)現(xiàn)[D];安徽大學(xué);2015年

5 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

6 董學(xué)志;Gabor小波特征跟蹤方法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2003年

7 李云峰;基于Gabor小波變換的人臉識別[D];大連理工大學(xué);2006年

8 靳明;基于Gabor濾波器的軍用目標(biāo)識別及跟蹤方法的研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2005年

9 傅一平;基于Gabor與小波的邊緣檢測理論、快速算法與實(shí)時(shí)應(yīng)用研究[D];浙江大學(xué);2004年

10 趙英男;Gabor濾波器在車輛檢測和車型識別中的應(yīng)用研究[D];南京理工大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 伍文婷;對Gabor框的某些問題研究[D];華東師范大學(xué);2007年

2 袁書萍;利用多抽樣率濾波技術(shù)快速并行實(shí)現(xiàn)實(shí)值離散Gabor展開與變換[D];安徽大學(xué);2011年

3 向維輝;基于Gabor濾波的完備CS-LBP算子圖像紋理特征提取算法研究[D];昆明理工大學(xué);2015年

4 張雁騰;基于Gabor小波分解的線性子空間人臉識別方法[D];昆明理工大學(xué);2015年

5 陳玉玲;基于Gabor和ILDA的人耳識別研究[D];江西理工大學(xué);2015年

6 高威;基于小波及原子庫的信號脈內(nèi)調(diào)制方式分析算法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 王文佳;基于人眼識別的手機(jī)游戲防沉迷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

8 李孚煜;融合SIFT和Gabor特征的多源遙感圖自動配準(zhǔn)[D];南昌大學(xué);2015年

9 馬逢樂;基于Gabor小波的能量空間特征點(diǎn)提取方法研究[D];北京化工大學(xué);2014年

10 許偉;基于Gabor特征和SVM的人臉識別方法研究[D];新疆大學(xué);2015年

本文編號：1492058