本文關(guān)鍵詞：基于紋理特征的虹膜識別方法研究

  更多相關(guān)文章： 生物特征 虹膜識別 預(yù)處理 特征提取與編碼 特征匹配

【摘要】：隨著現(xiàn)代信息技術(shù)的發(fā)展,基于生物特征識別技術(shù)已經(jīng)成為信息安全領(lǐng)域的一個重要的研究課題。近年來,虹膜識別技術(shù)憑借其“唯一性、高穩(wěn)定性、不可偽造性”等特點(diǎn),使其在個人身份識別技術(shù)領(lǐng)域得到了極大關(guān)注,國內(nèi)外的專家學(xué)者在理論研究與應(yīng)用發(fā)展上,都做出了相應(yīng)貢獻(xiàn)。本課題是在四川省科技項目“基于物聯(lián)網(wǎng)的生理信息采集技術(shù)研究”的資助下完成的。本課題主要研究內(nèi)容：(1)虹膜數(shù)據(jù)庫的建立,包括標(biāo)準(zhǔn)數(shù)據(jù)庫和測試數(shù)據(jù)庫；(2)虹膜圖像預(yù)處理,主要包括虹膜邊界定位,虹膜有效區(qū)域歸一化和圖像增強(qiáng)等；(3)虹膜紋理特征提取與編碼,即是將提取到的紋理信息數(shù)值化；(4)虹膜紋理特征匹配,將采集到的虹膜圖像與數(shù)據(jù)庫中的圖像進(jìn)行比對,進(jìn)而完成身份識別。研究路線與研究方法：(1)本課題首先采用了中國科學(xué)院自動化研究所提供的虹膜圖像數(shù)據(jù)庫CASIA (versionl.0),作為標(biāo)準(zhǔn)數(shù)據(jù)庫；另一方面,為了豐富數(shù)據(jù)庫,利用虹膜檢測儀進(jìn)行現(xiàn)場虹膜圖像實(shí)時采集,采集紋理相對清晰、尺寸合適、數(shù)量一定的虹膜圖像作為測試數(shù)據(jù)庫。(2)在虹膜預(yù)處理環(huán)節(jié),分析了幾種常用的定位算法,在此基礎(chǔ)上提出了一種基于Hough變換的虹膜定位改進(jìn)算法,該算法定位精度、速度和魯棒性都有所提高；在圖像歸一化和增強(qiáng)階段,建立彈性模型,采用坐標(biāo)變換法將圓環(huán)形虹膜區(qū)域映射成矩形區(qū)域,然后利用直方圖均衡化對該矩形區(qū)域進(jìn)行圖像增強(qiáng),突出虹膜的紋理信息：根據(jù)經(jīng)驗知識,選擇出信息量足夠的虹膜有效區(qū)域。(3)在虹膜紋理特征提取與編碼過程,分析了Daugman、Boles和Lim等的特征提取與編碼算法的原理。采用小波過零點(diǎn)檢測的思想,利用過零點(diǎn)檢測算子對虹膜紋理特征提取,對檢測結(jié)果的符號進(jìn)行二值編碼,并統(tǒng)計二值編碼的個數(shù)以此作為紋理特征編碼。該算法具有較高的運(yùn)算速度,同時部分的解決了圖像旋轉(zhuǎn)的問題。(4)在虹膜特征匹配方面,對幾種應(yīng)用較廣的算法進(jìn)行了分析,并提出了改進(jìn)型的加權(quán)歐式距離分類算法以及改進(jìn)型的Hamming距離匹配算法,兩種算法在一定程度上減小低噪聲和圖像旋轉(zhuǎn)的影響。研究結(jié)果與結(jié)論：綜上所述,通過對以上四方面內(nèi)容較為深入的研究,完整的實(shí)現(xiàn)了基于紋理特征的虹膜識別方法研究。主要創(chuàng)新點(diǎn)：(1)在虹膜定位時,對虹膜水平邊緣點(diǎn)選擇降低了Hough變換的運(yùn)算量；利用虹膜內(nèi)外邊界的耦合關(guān)系以及對邊界參數(shù)平均處理,使得定位準(zhǔn)確率提高,改進(jìn)方法的平均定位時間為0.152s,定位準(zhǔn)確率為98.4%。(2)在虹膜紋理特征提取與編碼時,過零點(diǎn)檢測算子與二次編碼法的使用降低了計算的復(fù)雜度以及有效的克服了圖像旋轉(zhuǎn)的影響。(3)在虹膜特征匹配實(shí)驗中,本文提出的兩種算法都是有效的,并且改進(jìn)加權(quán)歐式距離分類算法的對虹膜的正確識別率為96.04%,優(yōu)于其他算法。研究結(jié)果和數(shù)據(jù)分析表明,本文所提出的算法具有較好的準(zhǔn)確性與可靠性,具有一定的應(yīng)用價值。
【關(guān)鍵詞】：生物特征 虹膜識別 預(yù)處理 特征提取與編碼 特征匹配
【學(xué)位授予單位】：成都信息工程學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41;R339.14
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 課題研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.2.1 國外虹膜識別技術(shù)的發(fā)展情況11-12
• 1.2.2 國內(nèi)虹膜識別技術(shù)的研究現(xiàn)狀12
• 1.3 課題研究意義12-13
• 1.4 課題主要研究內(nèi)容與論文結(jié)構(gòu)13-14
• 第二章 虹膜圖像預(yù)處理方法研究14-26
• 2.1 虹膜邊界定位14-20
• 2.1.1 常用的虹膜邊界定位方法14-16
• 2.1.2 改進(jìn)的虹膜定位方法16-20
• 2.2 虹膜圖像的歸一化20-22
• 2.3 歸一化虹膜圖像的對比度增強(qiáng)22-24
• 2.3.1 虹膜圖像的直方圖22
• 2.3.2 虹膜圖像直方圖的均衡化22-24
• 2.4 虹膜圖像有效區(qū)域選擇24-25
• 2.5 小結(jié)25-26
• 第三章 虹膜紋理特征提取與編碼方法研究26-43
• 3.1 圖形紋理分析方法介紹26-27
• 3.2 幾種虹膜紋理特征提取與編碼算法研究27-37
• 3.2.1 基于二維Gabor變換的虹膜紋理特征提取算法28-31
• 3.2.2 基于小波變換過零點(diǎn)檢測的虹膜特征提取與編碼算法31-34
• 3.2.3 基于二維小波變換的虹膜紋理特征提取算法34-37
• 3.3 基于局部過零點(diǎn)檢測的虹膜紋理特征提取與二次編碼算法37-42
• 3.3.1 虹膜圖像的高斯濾波處理38-39
• 3.3.2 局部過零點(diǎn)檢測算子提取虹膜紋理特征39-40
• 3.3.3 虹膜紋理特征的二次編碼40-42
• 3.4 小結(jié)42-43
• 第四章 虹膜特征匹配算法研究43-47
• 4.1 虹膜特征匹配常用算法43-44
• 4.1.1 采用Hamming距離對虹膜特征進(jìn)行匹配43
• 4.1.2 利用歐式距離分類算法對虹膜特征進(jìn)行匹配43-44
• 4.1.3 運(yùn)用相似度匹配算法對虹膜特征進(jìn)行匹配44
• 4.2 改進(jìn)的虹膜特征匹配算法44-46
• 4.2.1 改進(jìn)型的加權(quán)歐式距離分類算法44-45
• 4.2.2 改進(jìn)型的Hamming距離匹配算法45-46
• 4.3 小結(jié)46-47
• 第五章 實(shí)驗結(jié)果與分析47-52
• 5.1 虹膜定位結(jié)果與分析47-48
• 5.2 虹膜特征提取與匹配結(jié)果分析48-51
• 5.3 小結(jié)51-52
• 第六章 總結(jié)與展望52-54
• 6.1 總結(jié)52
• 6.2 展望52-54
• 參考文獻(xiàn)54-58
• 作者在讀期間科研成果簡介58-59
• 致謝59

【參考文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 史振寧;虹膜特征提取與識別算法研究[D];重慶大學(xué);2006年

，

本文編號：541933