虹膜识别系统图像清晰度快速评价算法研究

摘要

新世纪以来，计算机与互联网技术发展迅猛，尤其在近几年，随着物联网的兴起与逐渐壮大，如何保护国家以及个人的信息安全不被侵犯，已经成为时下研究的热点。信息安全问题与人们息息相关，从个人银行账户到网上各种注册信息，均是个人身份的标志，关乎个人自身安全和利益，一旦信息被窃取，后果不堪设想。传统的个人身份甄别方法例如身份证、钥匙、银行卡、电子卡、密码等，非常容易被伪造、被盗用、被破译，它们的安全系数之低已无法跟上当下信息快速发展的步伐。正是这样的契机，发展成了生物特征识别技术萌发的温床，使之得以发芽并茁壮成长。
　　生物特征识别利用的是个人独特的生理特征或行为特征，来进行身份识别的一门高科技技术。个人的生理特征或行为特征具有较高的唯一性与防伪性，这正是传统的身份甄别方法所欠缺的，因此生物特征识别技术凭借其高度的安全性、稳定性和可靠性，弥补了传统身份甄别方法的不足，成为了当今炙手可热的能解决当下迫切的信息安全问题的一门重要学科。生物特征识别技术的应用范围星罗棋布，发展前景势如破竹。而在所有生物特征识别技术中，又以虹膜识别技术最为突出，其错误率是所有生物特征识别技术中最低之一。由于虹膜识别突出的防伪性、防侵犯性以及高度的稳定性和唯一性，使之在金融商务、企业国家安全等领域得到了广泛的应用。
　　虹膜识别系统框架主要由虹膜图像采集、虹膜图像预处理、特征提取以及匹配识别四大部分组成。虹膜识别系统具体流程如下:第一部步由虹膜图像采集设备采集包含虹膜区域的人眼图像;第二步进行图像预处理，首先进行图像清晰度评价，剔除质量不合格的虹膜图像，避免质量不合格的图像进行后续操作，从而能从整体上提高虹膜识别系统的效率，间接地提高系统的识别率;接着对图像的睫毛和眼睑以及虹膜区域进行定位，将定位后的虹膜区域进行归一化展开;第三步提取归一化展开后的虹膜区域的特征，即特征提取，然后量化提取到的虹膜特征信息，将其用数字表示，以特征码的形式存储起来;第四步也就是最后一步，将待测的虹膜特征码与模板库中的虹膜特征码进行匹配识别。其中，虹膜图像的质量评价是虹膜识别系统的重要组成部分，好的评价算法可以剔除质量较差的图像，避免不必要的后续处理，从而提高识别系统的工作效率和可靠性。
　　传统的虹膜图像质量评价算法复杂度高，速度慢，为了提高虹膜识别系统的效率，结合虹膜识别系统的实际需求，本文在前人研究成果的基础之上，对虹膜图像清晰度评价算法进行了研究和改进，提出了一种虹膜图像清晰度评价的快速算法。本文的工作内容围绕以下几个方面展开:首先本文认真研究了图像清晰度评价的常用算法，对比了几种清晰度评价算法的速度和准确率，提出了一种改进的基于空间域的清晰度评价算法。同时结合感兴趣区域选取方法，分别就基于经验值选取的感兴趣区域和基于粗定位选取的感兴趣区域进行虹膜图像清晰度评价。基于经验值选取感兴趣区域的方法是基于大多数虹膜位于虹膜图像的中间部分提出的，将图像分成3×3个子区域，选取中间子区域进行清晰度评判。而基于粗定位的感兴趣区域选取方法是以图像形态学为基础，结合虹膜图像中瞳孔存在光斑的特性，进行粗定位，进而选取瞳孔下边缘的30×60矩阵大小的虹膜区域作为感兴趣区域进行清晰度评价。
　　本文采用中科院自动化所的V2和V3虹膜图像库作为实验对象，来验证本文提出的基于空间域的清晰度评价算法，同时对实验结果进行了分析。实验结果表明，本文提出的基于空间域的清晰度评价算法能够快速准确地判断不同清晰程度的虹膜图像。

目录

声明

摘要

第一章 绪论

1．1 课题研究的背景和意义

1．2 生物特征识别技术简介

1．3 虹膜识别技术简介

1．3．1 虹膜识别的优势

1．3．2 虹膜识别的发展历史和研究现状

1．3．3 虹膜识别存在的问题

1．4 本文的主要工作及结构安排

第二章 虹膜识别系统综述

2．1 引言

2．2 虹膜识别系统的整体框架

2．3 虹膜图像采集

2．4 预处理

2．4．1 虹膜图像质量评价

2．4．2 虹膜定位

2．4．3 图像归一化

2．5 虹膜的特征提取

2．6 匹配识别

2．7 本章小节

第三章 传统图像清晰度评价算法

3．1 引言

3．2 基于空间特性的清晰度评价算法

3．2．1 梯度函数

3．2．2 灰度熵函数

3．3 基于频率特性的清晰度评价算法

3．3．1 基于傅里叶变换的清晰度评价算法

3．3．2 基于小波变换的清晰度评价算法

第四章 改进的虹膜图像清晰度评价快速算法

4．1 引言

4．2 虹膜图像的离焦分析与建模

4．2．1 虹膜图像离焦模糊的成因分析

4．2．2 离焦虹膜图像的建模

4．3 虹膜图像的清晰度快速评价算法

4．3．1 基于经验值法选取感兴趣区域的清晰度快速评价函数

4．3．2 基于粗定位选取感兴趣区域的虹膜图像清晰度评价函数

4．4 实验结果与分析

第五章 总结与展望

参考文献

致谢

攻读学位期间的研究成果