基于PCA和LDA的虹膜识别研究

摘要

近年来生物识别技术越来越多的被研究者们所谈论，而虹膜识别技术又因人体虹膜高度的唯一性以及稳定性成为生物识别技术研究中的热点问题。本文首先探讨了虹膜识别技术的研究现状以及应用前景，并且针对虹膜识别中最为重要的特征提取问题进行了重点的分析。在众多应用于虹膜识别问题的特征提取算法中，基于统计学的特征提取算法PCA和LDA以及相关改进算法在近年来越来越受到研究者的重视，并逐步被应用于虹膜识别问题中。
　　 本文针对基于统计学的特征提取算法PCA和LDA做进一步的分析，并结合时下数字图像处理领域的利器一离散小波，分别提出了基于多频带2DPCA、基于2D-PLDA和小波子带的两种虹膜特征提取算法，并且采用了Hamming距离和欧式距离对未知虹膜特征与已知虹膜特征进行对比，实验结果验证了本文提出2种虹膜特征提取算法的有效性，并且通过和离散小波的结合，进一步提高了基于统计学方法提取特征的准确性和鲁棒性。
　　 论文最后针对本人在攻读硕士研究生学位期间的工作进行了小结，并对虹膜识别技术的前景以及有待解决的问题进行了简要分析。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景

1.1.1生物识别技术

1.1.2虹膜识别技术

1.2研究现状

1.3研究意义

1.4本文研究内容

2 PCA和LDA相关算法介绍

2.1 PCA相关特征提取算法

2.1.1传统PCA

2.1.2D-PCA

2.2 LDA相关特征提取算法

2.2.1传统LDA

2.2.2基于传统LDA边缘(样本、类别)问题的改进

2.2.3基于传统LDA小样本问题的改进

2.3 PCA和LDA相融合的特征提取算法

2.4 PCA和LDA相关算法在频率域(小波域)上的应用

2.5小结

2.5.1本文讨论算法性能比较

2.5.2结论

3虹膜图像的预处理

3.1虹膜区域的定位

3.1.1虹膜区域粗定位

3.1.2虹膜区域精确定位

3.2虹膜区域的归一化

3.3纹理增强

4一种基于多频带2D-PCA的虹膜识别算法

4.1总体思想

4.2图像的预处理

4.3多频带2D-PCA特征提取

4.4特征识别

4.5小结

4.5.1实验环境

4.5.2实验结果

4.5.3与其它类似方法实验结果比较

5一种基于2D-PLDA和小波子带的虹膜识别算法

5.1基于样本集预分类的二维线性分析-2D-PLDA

5.2基于2D-PtDA和小波子带的虹膜识别算法

5.2.1 虹膜图像的预处理

5.2.2基于2D-PLDA和小波的特征提取

5.2.3输入空间小波子带特征匹配

5.2.4特征识别算法

5.3小结

5.3.1实验结果

5.3.2与其它类似方法实验结果对比

6工作总结和展望

参考文献

致 谢

攻读硕士学位期间发表的论文和参与的科研项目及成果