《虹膜识别特征提取与鉴别（2020年10月整理）.pptx》由会员分享，可在线阅读，更多相关《虹膜识别特征提取与鉴别（2020年10月整理）.pptx（67页珍藏版）》请在金锄头文库上搜索。
1、摘 要 摘要 随着信息社会的快速发展，对安全的需求也日益增长。虹膜识别技术作 为一种身份识别，以其很高的可靠性得到人们的重视。虹膜识别系统核心一 般由图像采集、虹膜定位、归一化、特征提取及编码和训练识别五部分构成。 本文介绍了目前虹膜识别的现状，简单阐述了一些经典的虹膜识别算法和技 术，并完成识别系统。 在虹膜的定位阶段，首先对图像进行缩放，在不影响后续处理的情况下 减小了处理的数据量，然后采用梯度加权的 Canny 算法进行边缘检测，再 对边缘图像，采用圆 Hough 定位方法，分别定位了虹膜的内外边界。接着 采用 Radon 变换检测直线的方法分割上下眼睑，阈值法除去睫毛干扰。同 时也研究
2、了一些文献中分割眼睑和睫毛的方法。 归一化阶段，采用了文献中普遍使用的“Rubber-Sheet”模型，将虹膜 归一化为64512 大小的矩形，以利于特征比对。 在虹膜的特征提取及编码阶段，基于信号处理中的空间/频域技术，采 用一维Log Gabor 滤波器提取虹膜的纹理信息，对滤波结果的实部和虚部分 别进行相位量化和编码，同时也对噪声进行处理，获得相应的掩码。 训练识别阶段，采用海明距离度量虹膜之间的相似度，选取最小距离分 类器和具有最小错误率的分类阈值形成组合的分类决策规则。整个识别系统 主要在中科院V3.0 虹膜数据库上进行了测试。 关键词：虹膜识别；虹膜定位；圆Hough 变换；Log
3、 Gabor 小波,- 1 -,ABSTRACT,- 2 -,ABSTRACT With the rapid growth of information technology, the demands of information security are ever-growing. As the technology of identification, iris recognition, for its high reliability, gets great attention. Iris recognition system consists of image capturing, i
4、ris location, iris normalization, feature extraction and coding and decision training. In this dissertation, the situation of iris recognition is presented. Some practical algorithms and technique are briefly introduced. A system of iris recognition is fulfilled. In iris location stage, image is zoo
5、med to reduce the data volume with less influence on post processing. Afterword, the algorithm of Canny edge detection, with weighted gradient, is adopted. In the edge image, Circular Hough transform is applied to locate the inside and out boundary of iris. Then, linear Radon transform is put to use
6、 to detect the eyelids. Eyelashes are eliminated by threshold. In normalization stage, “rubber-sheet” model, in general use, is used t- o unwrap iris image into a rectangle of the same size, for the comparison of characteristics. In feature extraction and coding stage. 1D Log Gabor filters are used
7、to filter the iris texture features in the space-frequency domain. Then, the real part and the image part is quantized by phase encoding respectively. Besides, the processing of noise to generates mask. In decision training stage, the Hamming distance is employed to measure the similarity of two iri
8、s. The minimum distance classifier combining with the threshold with minimum error ratio are used as the decision rules. The experiments implemented on CASIA iris database V3.0 show that the system performs well.,Key Words: Iris Recognition; Iris Location; Circular Hough Transform; Log Gabor Wavelet
9、s,- 1 -,目 录 目录 第一章 绪论 . 1 1.1 生物特征识别 . 1 1.1.1 非生物特征身份鉴别方法 . 1 1.1.2 生物特征识别技术的提出 . 2 1.1.3 研究生物特征识别技术的意义 . 3 1.2 虹膜识别研究 . 3 1.2.1 虹膜识别的机理 . 3 1.2.2 虹膜识别的发展与现状 . 6 1.2.3 虹膜库 . 9 1.3 本文研究的内容 . 9 第二章 虹膜图像预处理 . 11 2.1 虹膜内外边界的定位 . 11 2.1.1 Canny 算子和Hough 变换的基本原理. 11 2.1.2 本文采用的Canny 算子 . 14 2.1.3 本文采用的Ho
10、ugh 变换圆检测算法. 16 2.1.4 虹膜内外边界的定位 . 17 2.2 眼睑的分割 . 18 2.2.1 抛物线检测眼睑 . 19 2.2.2 Radon 变换法分割眼睑 . 19 2.3 剔除睫毛 . 21 2.3.1 阈值法剔除睫毛 . 21 2.4 小结 . 22 第三章 虹膜图像归一化及特征提取 . 23 3.1 虹膜纹理归一化 . 23 3.1.1 平移 . 23 3.1.2 旋转 . 24 3.1.3 伸缩 . 24 3.1.4 分辨率 . 24 3.2 虹膜的Rubber-Sheet 模型 . 25 3.2.1 虹膜边界表示 . 26 3.2.2 虹膜区域的表示 . 27 3.2.3 虹膜区域规范化 . 28 3.2.4 灰度级插值 . 29 3.2.5 具体实现 . 31 3.3 小结 . 31,- 2 -,目 录 第四章 虹膜特征编码 . 32 4.1 图像纹理分析的基本理论 . 32 4.2 虹膜特征编码方案 . 33 4.3 基于Log Gabor 小波的特征编码. 35 4.3.1 Log Gabor 函数性能分析. 35 4.3.2 Log Gabor 小波的构造. 39 4.3.3 特征编码 . 40 4.4 小结 . 42 第五章 虹膜模式匹配 . 43 5.1 识别判决 . 43 5.2 虹膜模式匹配 .
