用户较少配合情况下的虹膜识别方法研究

摘要

用户较少配合情况下的虹膜识别技术具有易于市场推广、方便快捷等优点，已成为虹膜识别技术的发展趋势。由于眼睑遮挡、运动模糊、高亮点等多种干扰和噪声影响，非理想条件下采集的虹膜图像中虹膜通常不是完整的，模糊或发生形变。这种情况下的虹膜识别具有很高的挑战性。
　　 论文首先阐述了在CASIA-IrisV4虹膜数据库中的虹膜定位方法。该方法二值化虹膜图像保留瞳孔高亮点信息，并通过横纵向投影初步确定瞳孔位置。然后在限定范围内采用Canny边缘检测和圆Hough变换拟合虹膜内外轮廓。本文采用基于区域子图像的思想解决虹膜配准问题。配准过程采用反向合成图像配准算法。本文提出两种虹膜特征提取方法：一是通过Gabor滤波器提取虹膜相位特征；二是采用加权相位共生直方图提取虹膜特征。前者结合浮动搜索特征选择方法，选择分类性能最好的Gabor滤波器集合，并采用DI评价滤波器集合的分类性能。后者按空间位置组织加权相位共生直方图特征向量，最后利用巴氏距离衡量虹膜特征向量相似性。
　　 实验数据采用UBIRIS.v2和CASIA-IrisV4中的虹膜图像数据，并采用ROC曲线和DI评价虹膜识别方法的性能。本文提出的Gabor滤波器选择算法参加了2010年虹膜识别国际测评(NICE.Ⅱ)，在来自30多个国际和地区的67支研究队伍中取得第7名的好成绩。

目录

第1章 绪论

1.1 虹膜识别技术研究的背景与历史意义

1.1.1 虹膜的生理结构

1.1.2 用户较少配合情况下的虹膜识别技术的优点

1.2 虹膜识别技术的发展与国内外研究现状

1.3 虹膜识别算法评价准则

1.3.1 ROC曲线

1.3.2 可分离性度量DI

1.4 本文研究的内容

第2章 虹膜图像预处理

2.1 虹膜识别流程

2.2 虹膜数据库介绍

2.2.1 CASIA-IrisV4虹膜数据库

2.2.2 UBIRIS.v2虹膜数据库

2.3 虹膜图像预处理

2.3.1 CASIA-IrisV4虹膜数据库虹膜分割算法

2.3.2 UBIRIS.v2虹膜数据库虹膜分割算法

2.4 虹膜图像增强方法

2.5 小结

第3章 基于反向合成图像配准的虹膜识别

3.1 引言

3.2 图像配准方法

3.2.1 前向叠加图像配准原理

3.2.2 反向合成图像配准原理

3.3 基于反向合成图像配准的虹膜识别算法

3.4 小结

第4章 浮动搜索Gabor滤波器虹膜识别方法

4.1 引言

4.2 基于Gabor滤波器的虹膜识别

4.3 Gabor滤波器学习算法

4.3.1 前向滤波器选择方法

4.3.2 后向滤波器选择方法

4.3.3 浮动搜索滤波器的虹膜识别算法

4.4 实验

4.5 小结

第5章 加权相位共生直方图虹膜识别算法

5.1 引言

5.2 虹膜的加权相位共生直方图模型

5.3 基于加权相位共生直方图的虹膜识别方法

5.3.1 二极子加权相位共生直方图虹膜识别算法

5.3.2 三级子加权相位共生直方图虹膜识别算法

5.3.3 多极子加权相位共生直方图虹膜特征向量的相似性度量

5.4 实验

5.5 小结

结论

参考文献

致谢

攻读学位期间发表的学术论文

声明