基于遗传算法的虹膜识别技术研究与改进

摘要

虹膜识别技术因虹膜的优秀生物特性，在众多的身份鉴别技术中脱颖而出，被列为最为安全与精确的身份鉴别技术，具有广阔的应用前景与重要的学术研究价值。由于虹膜识别技术应用环境的复杂性以及其涉及领域的广泛性，其关键技术仍存在需要改进之处。本文结合虹膜图像自身的属性以及常见的虹膜识别系统流程，对虹膜定位、虹膜特征提取、虹膜特征降维等相关技术进行了系统的分析与研究。主要的工作如下:
　　对Canny算子与Hough变换相结合的虹膜定位分割模型进行研究，针对传统Canny算子在边缘信息提取时存在容易受噪声影响以及需要手动输入阈值的缺陷，提出改进的Canny算子:首先利用Sober算子计算像素点的梯度幅值和方向，然后通过双线性插值求得梯度方向上的像素点幅值完成非极大值抑制，最后采用Otsu实现阂值自适应选取。利用改进的Canny算法与Hough变换结合实现对虹膜的定位，提升了定位的精确度。对定位后的虹膜图像利用坐标变换进行归一化处理并增强，完成虹膜图像预处理。
　　针对基于2D-Gabor滤波器的虹膜特征提取得到的特征向量信息过于冗余的缺陷，提出了结合遗传算法的虹膜特征筛选模型，该模型实现了对虹膜特征向量的有效降维。对基于标准遗传算法实现的虹膜特征筛选模型进行研究，针对其中存在的缺陷，结合粒子群算法的优点，提出改进的遗传算法:在整体框架中融入粒子群算法，同时设计具有自适应性的遗传算子。利用改进的遗传算法对特征向量进行特征筛选，得到有效且低维的特征向量。最后采用移位Hamming距离差完成虹膜的分类，经过特征筛选的低维特征向量得到了更高的匹配准确率。
　　本文实验的原始数据来自CASIA-V4-Thousand和CASIA-Iris-Lamp数据库，以衡量虹膜识别系统性能的评价标准False Accept Rate、False Reject Rate、Correct Recognition Rate、Equal Error Rate和ReceiverOperating Characteristic Curve对系统进行测试，验证了本文提出的改进算法的有效性。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 虹膜的生理特征及其识别技术原理

1．2．1 虹膜的生理特征

1．2．2 虹膜识别技术

1．3 虹膜识别研究现状

1．4 本文研究内容

1．5 本文的结构安排

第二章 虹膜图像预处理

2．1 常见的虹膜定位方法

2．2 基于改进Canny算子的虹膜边缘检测

2．2．1 传统的Canny算子

2．2．2 改进的Canny算子

2．2．3 实验结果分析

2．3 虹膜边界定位

2．3．1 Hough变换的圆检测

2．3．2 虹膜的内边界确定

2．3．3 虹膜外边缘定位

2．3．4 实验结果分析

2．4 虹膜归一化与增强

2．5 本章小结

第三章 虹膜特征提取与编码

3．1 虹膜特征提取

3．1．2 常见的虹膜特征提取方法

3．1．2 二维Gabor滤波器

3．1．3 基于Gabor滤波器提取虹膜特征

3．2 虹膜编码

3．2．1 常见的虹膜编码方法

3．2．2 分块编码方式

3．3 本章小结

第四章 虹膜特征选择及匹配

4．1 遗传算法

4．1．1 遗传算法原理

4．1．2 遗传算法流程及特点

4．2 粒子群算法

4．2．1 粒子群算法原理

4．2．2 粒子群算法流程及特点

4．3 结合改进遗传算法的虹膜特征筛选

4．3．1 改进遗传算法的设计

4．3．2 基于改进遗传算法的虹膜特征筛选模型

4．3．3 实验结果分析

4．4 虹膜特征匹配

4．4．1 常见的虹膜匹配算法

4．4．2 基于移位Hamming距离差的虹膜匹配

4．5 本章小结

第五章 原型系统的设计与实现

5．1 虹膜识别系统设计

5．1．1 虹膜识别系统的架构设计

5．1．2 系统开发环境

5．2 虹膜识别原型系统实现

5．3 虹膜识别系统性能评价

5．3．1 性能评价标准

5．3．2 虹膜识别系统性能测试

5．4 本章小结

第六章 总结与展望

6．1 论文内容总结

6．2 未来工作展望

参考文献

致谢

攻读硕士学位期间发表的论文