基于中心对称LBP算子的虹膜识别改进算法研究

摘要

本研究以生物识别技术中的虹膜识别为主线，阐述了虹膜识别算法中的图像处理的主要过程，并对虹膜定位与特征提取的算法做了改进。主要工作有以下几点：⑴概述了生物识别的含义以及其所包含的特征内容和优缺点；介绍了虹膜的结构组成以及判断虹膜识别性能的几个指标；详细陈述了本文试验中所使用过的数据库----CASIA-Iris V4。CASIA-Iris V4数据库包含有六个不同的子数据库，每个数据库的采集设备，采集对象以及采集环境都有所不同。简明扼要的对一个完整的虹膜支付系统所需要的对象以及条件做了说明。⑵在虹膜定位中，针对虹膜外边缘边界宽泛、灰度不明显等缺点提出了一种基于边界梯度增强的边缘提取算法。首先利用瞳孔灰度比较低的特点，利用二值化得图像提取虹膜内边缘，然后使用边界梯度增强算法与Canny算子相结合的方法提取虹膜外边界，使用最小二乘圆拟合的方法对提取到的内边界和外边界的进行拟合。⑶在虹膜特征提取和匹配中环节，首先对传统的LBP算子进行了说明，并且介绍了由传统LBP所衍生出来的LBP旋转不变模式和LBP等价模式两种模式。使用改进的中心对称LBP算子进行特征提取，对中心对称LBP算子的编码方式进行探讨，改进后的中心对称LBP算子不仅能够极大的减少内存的消耗，而且显著提升特征提取的速率。在最后的匹配中，使用基于汉明距离的算法将待测图像与存储在数据库中的图像进行比对。

目录

第一章 绪 论

1.1 生物识别简介

1.2 虹膜识别技术简介

1.3 虹膜识别技术研究现状与应用

1.4 主要研究内容及结构安排

第二章 虹膜数据库与虹膜识别原理

2.1中国科学院CASIA虹膜数据库

2.2 虹膜支付原理

2.3 虹膜图像获取

2.4 本章小结

第三章 基于边界梯度增强的边缘定位算法

3.1 虹膜图像的归一化

3.2 虹膜图像的增强

3.3 经典的虹膜定位算法介绍

3.4 基于灰度特征的虹膜定位算法

3.5 相关试验及数据

3.6 本章小结

第四章 基于中心对称LBP算子的特征提取改进算法

4.1 传统的特征提取算法

4.2 基于中心对称LBP改进算子的特征提取

4.3虹膜图像的特征匹配

4.4 实验结果与分析

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

附录A CASIA-IrisV4数据统计

致谢

攻读学位期间的研究成果