虹膜识别算法研究及实现 - 图文

摘 要

在当今信息化时代，如何精确鉴定个人的真实身份、保护信息安全，已成为一个急待解决的关键性问题。传统的身份认证极易伪造和丢失，难以满足急速发展的社会需求，目前最为便捷、安全的解决方案就是生物体识别技术。它不仅简洁快速，而且安全、可靠、准确。同时更易于配合网络和安全、监控、管理系统整合，实现自动便捷管理。虹膜识别是一种基于人体生理特征的生物体特征识别技术，与人体纹理、掌纹、脸相、音频、步频、血液等特征识别相比，具有唯一、高稳定、识别率高、检测方便等优点，因此虹膜识别技术己成为当前身份鉴别研究的热门领域。

本论文详细阐述了虹膜识别技术的研究背景和现状、虹膜生理结构和虹膜识别系统的构成。较深入的研究了虹膜识别算法，实现了三个步骤，即虹膜数字图像预处理、特征码提取和模式匹配。本论文的研究工作主要集中在对虹膜数字图像预处理的归一化和模式匹配两方面的研究。

在虹膜数字图像预处理的归一化过程中，采用一种基于Dangman橡皮片的辐射线段的归一化方式，将环型区域改变成为矩形区域。这种方式采用若千条线段表示两个非同心圆周之间的区域，只要设定这些线段上的点数就可以起到很好的归一化成果，并且仅出一种分析模型。更加定位搜索的效率，节约时间，简化定位的过程。采取Hough变换算子对虹膜进行精定位。

在特征提取及编码匹配过程中，本论文首先将归一化后的2D虹膜数字图像转换为1D灰度信号，从而减小了运算量;然后运用 1D Gabor小波对构造的1D灰度信号进行分析，选取一定尺度上的小波变换结果进行量化，生成二进制的特征向量，从而提高了虹膜识别技术的效率;最后通过改进的Hamming距离移位匹配，实现了识别中的旋转不可逆性。

本论文通过使用中科院自动化研究所的虹膜数据库 (CASIA-IRISV1)的虹膜数字图像进行实验。经过一定工作量的科学实验对这一算法进行了验证。实验结果：本论文选取的CASIA-a中心波长为20像素效果最好。最好的模板大小为

-1-

辐射分辨率22像素，角分辨率为240像素。这些参数产生了信息量为9600比特的生物体模板。为了修正不一致旋转，平移10个单位在CASIA-a中效果最好。 FAR与FRR分别为0.004%与0.236%，这个识别率己经足够用于实际;而传统的海明距离FAR与FRR分别为0.012%与0.475%。

关键词:虹膜识别，模式识别，Hough变换，Gabor小波，Hamming距离

-2-

Abstract

Keyword: Iris 1Dentify, Mode 1Dentifies, Hough transformation, Gabor small wave, Hamming is apart from

目 录

摘 要.............................................................. 1 Abstract............................................................ 3 第1章 绪论......................................................... 5

1.1课题研究背景................................................. 5 1.2几种典型的生物体识别技术..................................... 5 1.3国内外研究现状分析........................................... 7 1.4本论文完成的主要工作......................................... 9 第2章虹膜识别原理................................................. 10

2.1虹膜特征.................................................... 10 2.2虹膜识别技术流程............................................ 12 2.3几种典型的虹膜识别方式...................................... 13

2.3.1 微积分算子法.......................................... 13 2.3.2 Wildes虹膜识别法 ..................................... 14 2.3.3 Boles虹膜识别法 ...................................... 14 2.3.4 中科院自动化所的最小二乘拟合法........................ 14 2.4技术难点.................................................... 14 2.5本章小结.................................................... 15 第3章虹膜数字图像预处理........................................... 16

3.1虹膜边缘定位................................................ 16

3.1.1虹膜内边缘粗定位 ...................................... 16 3.1.2虹膜外边缘粗定位 ...................... 错误！未定义书签。 3.2睫毛与噪音检测.............................................. 20 3.3虹膜数字图像归一化及增强.................................... 23 3.4实现结果.................................................... 26

-3-

3.5本章小结.................................................... 27 第4章虹膜特征码................................................... 28

4.1小波函数.................................... 错误！未定义书签。

4.1.1小波概念 .............................. 错误！未定义书签。 4.1.2小波的性质 ............................ 错误！未定义书签。 4.1.3常用小波 .............................. 错误！未定义书签。 4.2基于2D Gabor滤波器的编码方式............... 错误！未定义书签。

4.2.1 2D Gabor小波特性 ..................... 错误！未定义书签。 4.2.2 2D Gabor小波的特征提取 ............... 错误！未定义书签。 4.3局部过零检测提取算法........................................ 33 4.4 1D Log-Gabor滤波器虹膜特征提取............................. 34 4.5本章小结.................................................... 36 第5章模式匹配..................................................... 37

5.1模式匹配概论................................................ 37 5.2加权欧式距离................................................ 38 5.3改进的Hamming距离.......................................... 39 5.4实验效果.................................................... 43

5.4.1虹膜模式唯一性 ........................................ 43 5.4.2个体识别 .............................................. 45 5.4.3结论 .................................................. 51 5.5本章小结.................................................... 53 第6章总结与展望................................................... 54

6.1研究工作与成果.............................................. 55 6.2展望........................................................ 55 参考文献........................................................... 57 致 谢.............................................................. 59

-4-

第1章 绪论

1.1课题研究背景

进入二十一世纪以来，随着科学技术不断进步发展，电子信息日益影响这人们的日常工作生活，并起到越来越重要的作用。网络、安全、金融、电子商务、机场、地铁等，都需要可靠而准确的身份鉴定。传统的身份鉴别方式主要基于身份表示物品和身份标示知识。身份标识物品如证件、钥匙、银行卡等。身份标识知识如使用者名、密码等。随着科技进步这些方式的缺陷越来越突出，身份识别物可能丢失，也可能被伪造，使用者名、密码可能被忘记，也可能被破解泄露。一旦他人获取这些身份标识物品和知识，系统无法区别真正的用有者和仿冒者。后来又发展同时带有身份识别知识的身份识别物品，如数字证书和智能卡等，当其效果仍然满足不了人们对信息安全的需求。

为克服传统身份鉴别方式，人们提出基于人体生物体特征的新身份识别技术。所谓生物体识别技术就是，通过电子信息与光学、声学、生物学等学科密切结合，利用人体固有的生理特性，（如人体纹理、脸型、虹膜等）和行为特征（如笔迹、音频、步态等）来进行个人身份的鉴定。它具不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点。

1.2几种典型的生物体识别技术

[1][2][3]

随着科技的进步，我们已经实现了多种生物体识别技术，如人体纹理识别、虹膜识别、人脸识别、签名识别、语音识别等，其中部分技术性高的识别手段目前还存在于实验室中。我们有理由相信科技的进步，将会有越来越多的生物体识别技术应用到实际环境中。 ? 人体纹理识别

在目前实际应用的多种识别技术中，最为广泛的人体纹理识别。它是基于对比我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路所形成各种各样的图案识别的。由于这些纹路的存在增加了皮肤表面的物理摩擦力，使得人

-5-

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库虹膜识别算法研究及实现 - 图文在线全文阅读。