《虹膜识别特征提取与鉴别》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（68页珍藏版）》请在金锄头文库上搜索。
1、word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。同时也研究了一些文献中分割眼睑和睫毛的方
2、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 Gabor小波 / ABSTRACTWith the rapid
3、 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, iris location, iris normalization, feature extraction a
4、nd 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 zoomed to reduce the data volume with less influence on po
5、st 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 to detect the eyelids. Eyelashes are eliminated by thr
6、eshold. In normalization stage, “rubber-sheet” model, in general use, is usedt-o unwrap iris image into a rectangle of the same size, for the parison of characteristics.In feature extraction and coding stage. 1D Log Gabor filters are used to filter the iris texture features in the space-frequency do
7、main. 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 iris. The minimum distance classifier bining with the threshold w
8、ith 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 Wavelets目 录第一章绪论11.1 生物特征识别11.1.1 非生物特征身份鉴别方法11.1.2 生物特征识别技术的提出21.1.3 研究生
9、物特征识别技术的意义31.2 虹膜识别研究31.2.1 虹膜识别的机理31.2.2 虹膜识别的发展与现状61.2.3 虹膜库91.3 本文研究的内容9第二章虹膜图像预处理112.1 虹膜内外边界的定位112.1.1 Canny算子和Hough变换的基本原理112.1.2 本文采用的Canny算子142.1.3 本文采用的Hough变换圆检测算法162.1.4 虹膜内外边界的定位172.2 眼睑的分割182.2.1 抛物线检测眼睑192.2.2 Radon变换法分割眼睑192.3 剔除睫毛212.3.1 阈值法剔除睫毛212.4 小结22第三章虹膜图像归一化及特征提取233.1 虹膜纹理归一化2
10、33.1.1 平移233.1.2 旋转243.1.3 伸缩243.1.4 分辨率243.2 虹膜的Rubber-Sheet模型253.2.1 虹膜边界表示263.2.2 虹膜区域的表示273.2.3 虹膜区域规X化283.2.4 灰度级插值293.2.5 具体实现313.3 小结31第四章虹膜特征编码324.1 图像纹理分析的基本理论324.2 虹膜特征编码方案334.3 基于Log Gabor小波的特征编码354.3.1 Log Gabor函数性能分析354.3.2 Log Gabor小波的构造394.3.3 特征编码404.4 小结42第五章虹膜模式匹配435.1 识别判决435.2 虹膜
11、模式匹配445.2.1 海明距离匹配445.2.2 最小距离分类器465.3 统计分析495.4 小结52第六章总结536.1 论文内容总结与展望536.2 系统演示54参考文献61致 谢63第一章 绪论1.1 生物特征识别生物特征识别有时也被称为生物测定技术。生物特征识别是指利用人体所固有的生理特征或行为特征，进行个人身份识别的技术19,21,22。近年来在维护国家安全、航空安全、金融安全、社会安全、网络安全等应用领域，身份识别和认证变得越来越重要，对身份的有效认证要求更精确、更安全、更实用的鉴别方法，生物技术的发展和进步为身份鉴别提供了新的方法和手段，基于生物特征的身份识别方法成了近年身份
12、识别领域研究的热点。1.1.1 非生物特征身份鉴别方法个人身份鉴别可以分为：认证和识别。认证是指验证用户是否是他所声明的身份，识别指的是确定用户的身份。目前，身份鉴别大多采用某某、钥匙、密码、用户名等等，通过验证这些标识身份的身外之物来识别个人身份，这些身份鉴别方法是把身份识别问题转化为鉴别一些标识个人身份的事物。这些均为“身外之物”，而不是生物特征，这类方法统称为非生物特征身份鉴别方法。这些身份鉴别方法确实在一定程度上提供了简单有效的身份鉴别，给人们的生活带来了方便，但是随着信息安全性和身份鉴别可靠性要求的提高，这些非生物特征的身份鉴别方法很难满足要求。采用钥匙、证件的门禁系统和采用用户名和
13、密码的网上交易，其安全性容易受到攻击。对于日益增加的计算机网络用户，登陆不同的，可能需要注册不同的用户名，相当多的用户为了便于记忆而设定的用户名和密码容易被猜出和破译，而非生物特征的身份鉴别方法很难识别真正的拥有者和取得身份标识物品的冒充者，所以一旦他人获得了这些身份标识事物，那么就拥有了相应的权利，造成的后果会很严重的。防伪性和防欺骗性差是非生物特征身份鉴别方法安全性低的另一个缺点。犯罪分子伪造证件的手段越来越高明，这使目前广泛使用的依靠证件、个人识别码、口令或钥匙等来确认个人身份的技术安全性降低。1.1.2 生物特征识别技术的提出二十一世纪是网络化、信息化时代，随之而来的一大特征就是身份的
14、数字化和隐性化，如何准确鉴别一个人的身份、保护信息的安全是当今信息化时代必须解决的问题。随着网络的日益普及，社会信息化程度越来越高，对安全、可靠的身份识别技术需求变得越来越迫切。人们希望有一种更安全、更可靠、携带使用更方便且不会被遗忘的事物来表示个人身份，显然个体本身的生物特征将是一种可行的、比较理想的选择。生物特征识别技术利用人类的生理或者行为特征进行身份识别和认证，认证的是人身内之物，而不是“身外之物”。人们可能会遗忘或丢失标识他们身份的证件物品或用户名及密码，但是人们绝不会遗忘或者丢失他们的生物特征(如人脸、指纹、虹膜、掌纹等)，另外，个人的生物特征也不会被分享，所以生物识别系统很难被欺
15、骗或欺骗成本很高。目前，生物特征识别采用的生理特征主要有：指纹、掌纹、眼睛(视网膜和虹膜)、人体气味、脸型、皮肤毛孔、手腕/手的血管纹理和DNA等，是先天具有的，采用的行为特征主要包括：签名、声音、行走的步态、击打键盘的力度等，是后天习惯养成的。基于生物特征的识别利用计算机技术很容易实现身份自动识别，它们的基本工作原理相同，如图1-1所示。首先是从独立个体采集生物样本，这些样本可以是虹膜图像、指纹图像、人脸图像，声音的数字化描述，步态时序图像等；接着是进行预处理，主要进行特征区域定位或者去噪处理；然后进行特征提取，并将提取的特征与数据库存储的身份特征进行比对，最后输出比对结果，做出身份判断。在基于生物特征的身份认证领域，身份信息全部是以数字形式存储于数据库或者智能IC卡中，鉴别身份时，能够对持有者合法性进行验证。图1-1 生物识别系统原理理想的生物特征识别系统应满足：(1)所有人都拥有这一生物特征，并且不同人的生物特征是可以区分的；(2)生物特征的采集不随采集的条件而不同；(3)系统能够区分冒充者。近年来，随着计算机技术和信息处理与识别技术的不断进步，生物识别技术得到了迅猛的发展，并逐渐被大众所认可。1.1.3 研究生物特征识别技术的意义利用人类个体生理和行为特征进行个人身份识别己经取得了许多可喜成果。目前，国外许多高新技术公司
