本文選題：圖像處理　切入點(diǎn)：虹膜識(shí)別　出處：《吉林大學(xué)》2016年博士論文

【摘要】：非約束虹膜識(shí)別系統(tǒng)是對(duì)傳統(tǒng)虹膜識(shí)別系統(tǒng)的擴(kuò)展,非約束是指在系統(tǒng)正常工作的情況下,對(duì)用戶配合系統(tǒng)的行為盡可能少的進(jìn)行約束,同時(shí)使系統(tǒng)可以用多個(gè)采集設(shè)備在較遠(yuǎn)采集距離、可見光和不同部署環(huán)境下正常工作,也就是減少了虹膜識(shí)別系統(tǒng)對(duì)環(huán)境的要求。從圖像信息處理的角度看,非約束虹膜識(shí)別與傳統(tǒng)虹膜識(shí)別的主要區(qū)別在于其所需處理的圖像具有質(zhì)量多樣性,會(huì)出現(xiàn)許多傳統(tǒng)虹膜識(shí)別技術(shù)無法處理的非理想虹膜圖像的情況。本文以非約束虹膜識(shí)別系統(tǒng)為研究主線,針對(duì)非約束虹膜識(shí)別系統(tǒng)中遇到的非理想虹膜圖像處理和跨環(huán)境特征匹配問題,進(jìn)行了下面幾個(gè)方面的研究:1)針對(duì)非約束虹膜識(shí)別系統(tǒng)中圖像質(zhì)量多樣性的問題,提出了對(duì)虹膜圖像離焦模糊和運(yùn)動(dòng)模糊的評(píng)價(jià)算法。為了評(píng)價(jià)虹膜圖像的離焦模糊程度,提出了一種參考虹膜注冊(cè)圖像的離焦模糊度計(jì)算方法,該方法通過與注冊(cè)圖像高頻能量的比較,可以較準(zhǔn)確的評(píng)價(jià)虹膜圖像的離焦程度。在圖像運(yùn)動(dòng)模糊時(shí),會(huì)出現(xiàn)方向性的紋理變化的情況,由于傅里葉變換對(duì)這種變化非常敏感,所以提出使用兩次傅里葉變換檢測虹膜圖像運(yùn)動(dòng)模糊方向和程度的方法,該方法可直接用于評(píng)價(jià)圖像的運(yùn)動(dòng)模糊程度。為了更準(zhǔn)確的評(píng)價(jià)圖像的運(yùn)動(dòng)模糊程度,提出了參考注冊(cè)圖像的運(yùn)動(dòng)模糊評(píng)價(jià)方法。2)針對(duì)非約束虹膜識(shí)別系統(tǒng)中虹膜圖像紋理較弱的問題,提出了一種基于局部標(biāo)準(zhǔn)差的自適應(yīng)對(duì)比度虹膜圖像增強(qiáng)方法。為了增強(qiáng)虹膜圖像的紋理強(qiáng)度、提高虹膜圖像的質(zhì)量,采用自適應(yīng)對(duì)比度增強(qiáng)的方法對(duì)虹膜圖像進(jìn)行處理。根據(jù)虹膜圖像的紋理特點(diǎn),防止虹膜圖像過度增強(qiáng)對(duì)紋理的破壞,使用圖像的局部標(biāo)準(zhǔn)差和全局標(biāo)準(zhǔn)差作為增益參數(shù)。將彩色虹膜圖像轉(zhuǎn)換到Lab色彩空間進(jìn)行圖像紋理增強(qiáng),也取得了較好的結(jié)果。為了解決非約束虹膜識(shí)別系統(tǒng)中出現(xiàn)的運(yùn)動(dòng)模糊問題,提出了一種基于Richardson Lucy(R-L)反卷積算法運(yùn)動(dòng)模糊虹膜圖像的復(fù)原方法。R-L反卷積算法在圖像復(fù)原時(shí)具有較好的效果,但是算法的前提是明確運(yùn)動(dòng)模糊的方向和位移參數(shù)。使用圖像評(píng)價(jià)的方法估計(jì)運(yùn)動(dòng)模糊方向和位移,建立模糊度和位移的對(duì)應(yīng)關(guān)系,即可估算運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向和位移。為了提高圖像復(fù)原的準(zhǔn)確度,使用以估計(jì)值為中心、向兩側(cè)偏移分別取值復(fù)原的方法,進(jìn)行多次運(yùn)動(dòng)模糊圖像復(fù)原。將多次圖像復(fù)原結(jié)果與注冊(cè)樣本匹配,可以提高系統(tǒng)識(shí)別的準(zhǔn)確率。3)利用虹膜圖像的結(jié)構(gòu)特征,提出了一種基于分水嶺分割和區(qū)塊合并的虹膜區(qū)域分割算法。分水嶺分割可以將虹膜圖像分割成若干區(qū)塊,但在分割過程中會(huì)產(chǎn)生過分割的現(xiàn)象。對(duì)分水嶺分割中產(chǎn)生過分割現(xiàn)象的問題,需要使用區(qū)塊合并的方法合并特征相似的區(qū)塊,為此建立了相似區(qū)塊的合并規(guī)則,判定各區(qū)塊與瞳孔位置的關(guān)系,合并與瞳孔相鄰的相似區(qū)塊,即可得到虹膜區(qū)域的分割掩模,達(dá)到分割虹膜圖像的目的。該方法對(duì)瞳孔區(qū)域較明顯的虹膜圖像分割有較好的效果,可以精確的分割虹膜區(qū)域。為了定位非理想虹膜圖像中的虹膜輪廓,提出了一種利用行序列邊緣點(diǎn)檢測算法進(jìn)行虹膜區(qū)域定位的方法。圖像行序列邊緣點(diǎn)檢測算法的目的是檢測圖像每行中存在的特殊序列結(jié)構(gòu),并找出感興趣的邊緣點(diǎn)。利用鞏膜和虹膜形成的特殊結(jié)構(gòu)檢測可能存在的虹膜邊緣點(diǎn),根據(jù)虹膜形狀特征,使用Hough圓檢測算法對(duì)檢測到的邊緣點(diǎn)進(jìn)行投票,即可定位虹膜的輪廓。由于檢測到的虹膜邊緣點(diǎn)與傳統(tǒng)邊緣檢測方法得到的虹膜邊緣點(diǎn)數(shù)量相比極大減少,所以Hough圓投票的時(shí)間也大幅度減少,提高了虹膜輪廓定位的效率。4)針對(duì)非約束虹膜識(shí)別系統(tǒng)中出現(xiàn)的跨環(huán)境虹膜匹配問題,提出了一種使用域自適應(yīng)度量學(xué)習(xí)進(jìn)行虹膜特征匹配優(yōu)化的方法。該方法使用已存在的虹膜樣本距離度量作為優(yōu)化算法的約束條件,使用域自適應(yīng)度量學(xué)習(xí)方法求解最優(yōu)馬氏距離矩陣。利用求解的最優(yōu)馬氏矩陣重新定義虹膜樣本之間的相似度,能夠減小類內(nèi)虹膜樣本之間的距離,增大了類間虹膜樣本之間的距離,從而提高了跨環(huán)境虹膜識(shí)別的準(zhǔn)確率。綜上所述,本文是以非約束虹膜識(shí)別系統(tǒng)中出現(xiàn)的相關(guān)問題為研究對(duì)象,在傳統(tǒng)虹膜識(shí)別的框架下進(jìn)行了擴(kuò)展研究,為非約束虹膜識(shí)別系統(tǒng)中非理想圖像的處理和跨環(huán)境虹膜識(shí)別性能的提高提供了有效的方法。
[Abstract]:闈炵害鏉熻櫣鑶滆瘑鍒郴緇熸槸瀵逛紶緇熻櫣鑶滆瘑鍒郴緇熺殑鎵╁睍,闈炵害鏉熸槸鎸囧湪緋葷粺姝ｅ父宸ヤ綔鐨勬儏鍐典笅,瀵圭敤鎴烽厤鍚堢郴緇熺殑琛屼負(fù)灝藉彲鑳藉皯鐨勮繘琛岀害鏉，

本文編號(hào)：1672956