虹膜识别系统研究

VIP免费

3.0 牛悦 2024-11-19 4 4 1.19MB 58 页 15积分

侵权投诉

摘要

生活在一个群体社会中，身份鉴别对于人们的日常生活是不可或缺的。随着

现代社会经济的进步，网络化和信息化技术的深入发展，传统的身份鉴别方法已

无法满足需要，人们对身份的识别提出了更高的要求。

基于生物特征的识别技术具有传统身份鉴别方法不可比拟的优势，该识别技

术利用人生理特征的唯一性，通过计算机与传感器、生物统计学等高科技手段密

切结合，测量出个人的特征，并将这些特征值与数据库的模板数据进行比较，最

终实现认证。生物特征识别技术具有不易遗忘、防伪性能好、随身“携带”和随

时随地可用等优点，因此受到了人们的高度关注和青睐。

虹膜识别技术利用人眼中虹膜组织的终身不变性和差异性特点来识别身份，

其高精度和图像采集的相对友好性使它在众多识别技术中占有十分重要的地位。

本文对现有虹膜识别技术进行了深入研究，在此基础上，提出了新的虹膜识

别算法，构建了较完整的基于虹膜的身份识别系统。新算法有如下特点：在虹膜

图像的预处理过程中，使用改进的最大类间方差算法来自适应地确定分割阈值，

以定位虹膜的内边界；利用小波变换和 Hough 变换来精确定位虹膜的外边界。依

据同心圆同向均匀位移模型展开环状虹膜图像，得到归一化的矩形图像；选取该

矩形图像中水平低频与垂直高频的小波系数作为纹理特征的分布并依据

Hamming 距离以实现分类。该算法可以在一定程度上保证虹膜图像特征具有旋

转、平移和尺度缩放的不变性。

鉴于虹膜图像的纹理分布特点，本文还提出了一种基于 Radon 变换和小波变

换的特征提取算法，该算法可在不对虹膜图像进行配准操作的情况下得到归一化

的特征矩阵，同时保证虹膜图像特征具有旋转、平移和尺度缩放的不变性。本文

最后依据特征矩阵设计了用标准化方差加权的绝对距离。

仿真实验证明上述算法对于虹膜图像的分类识别是有效的。

关键词:虹膜阈值分割 Hough 变换配准小波变换 Radon 变换分

类

ABSTRACT

In a community society, it is indispensable for people to recognize personal

identity in their daily lives. Along with the progress of society and economy and the

thorough development of network and information-based technique, traditional

methods of identification have failed to meet the requirements and people put forward

a higher request to the identity recognition.

Identification technology based on biometrics has unparalleled advantages to

traditional identification methods, it is a new technology to recognize personal identity

by use of physical feature which is unique to each person. So we can extract physical

features or characteristics through computers, sensors, biometrics principle and other

high-tech means, compare them with the templates accessed from database and realize

classification. The technology based on biometrics has advantages of no forgetting,

better anti-counterfeiting performance, portability and availability anywhere at any

time etc. and attracts great attentions and favors.

Iris recognition, as an highly accurate and relative friendly biometric approach to

personal identification based on iris tissue invariance and differences, is one of the

most noninvasive and reliable biometrics.

New recognition algorithms are proposed in this paper based on deep research of

iris recognition technology, and a relative complete personal identification system base

on iris image is established. These algorithms provide new characteristics: In the stage

of iris image preprocessing, we localize inside edge effectively used by an improved

maximum variance between clusters algorithm which can get segment threshold

adaptively and outside edge through wavelet and Hough transform accurately. Then we

regard an iris as a series of offsetting concentric circles along same direction and

unwrap directly an iris image to a rectangle image. The horizontal-direction

low-frequency and vertical-direction high-frequency wavelet coefficients of this

rectangle image as texture features are picked up to classify with Hamming distance.

To a certain extent, the algorithm showed above retains the characteristics of rotation,

translation and scale invariant.

Further, considering the characteristics of the features distribution, we propose a

feature extracting algorithm which integrates Radon transform with wavelet transform.

This algorithm can get a normalized feature matrix under no iris registration

circumstances and maintains invariance of rotation, translation and scale flexibility

completely. At last, we redesign the weighted classification distance based on the

distributing of this texture feature matrix and realize the classification.

The simulation results show that these algorithms are effective for iris

classification and recognition.

Key Word: Iris, Threshold segment, Hough transform, Registration,

Wavelet transform, Radon transform, Classification

中文摘要

ABSTRACT

第一章绪论.....................................................................................................................1

§1.1 课题来源及意义............................................................................................1

§1.2 基于虹膜识别的研究现状............................................................................2

§1.3 论文大纲........................................................................................................3

第二章虹膜识别系统简介.............................................................................................5

§2.1 虹膜图像获取(Iris Image Acquisition) ......................................................... 5

§2.1.1 虹膜图像的摄取.................................................................................5

§2.1.2 虹膜活体检测.....................................................................................5

§2.2 虹膜图像预处理(Iris Image Preprocessing) .................................................. 6

§2.2.1 虹膜定位.............................................................................................6

§2.2.2 虹膜归一化.........................................................................................8

§2.2.3 虹膜图像增强.....................................................................................8

§2.3 特征提取(Feature Extraction) ....................................................................... 9

§2.4 分类(Classification) ..................................................................................... 10

第三章小波变换的相关理论.......................................................................................11

§3.1 小波变换的历史与发展..............................................................................11

§3.2 傅立叶变换及其数学定义..........................................................................11

§3.3 小波变换及其数学定义..............................................................................13

§3.3.1 离散小波变换的定性描述...............................................................14

§3.3.2 小波滤波器.......................................................................................15

§3.3.3 尺度滤波器.......................................................................................17

§3.4 二维小波变换与图像处理..........................................................................17

§3.5 小波基的选取..............................................................................................20

第四章虹膜图像的预处理算法...................................................................................21

§4.1 虹膜的定位..................................................................................................21

§4.1.1 虹膜内边界定位...............................................................................21

§4.1.2 虹膜的外边界定位...........................................................................25

§4.2 虹膜图像的归一化......................................................................................28

§4.2.1 虹膜图像的展开归一化...................................................................28

§4.2.2 基于 Radon 变换的虹膜图像归一化 .............................................. 30

§4.3 虹膜质量评估与选取..................................................................................33

第五章虹膜图像的识别...............................................................................................35

§5.1 基于同心圆模型展开的虹膜识别算法......................................................35

§5.1.1 归一化结果的特征提取...................................................................35

§5.1.2 虹膜图像的特征分类.......................................................................36

§5.2 基于 Radon 变换的虹膜识别算法 ............................................................. 37

§5.2.1 归一化结果的特征提取...................................................................37

§5.2.2 虹膜图像的特征分类.......................................................................38

第六章仿真实验与分析...............................................................................................41

§6.1 CASIA 虹膜数据库说明..............................................................................41

§6.2 基于同心圆模型的仿真实验......................................................................41

§6.2.1 实验内容说明...................................................................................41

§6.2.2 虹膜质量评估与选取算法...............................................................42

§6.2.3 实验结果与分析...............................................................................42

§6.2.4 与其它方法对比...............................................................................45

§6.3 基于 Radon 变换的仿真实验 ..................................................................... 46

§6.3.1 实验内容说明...................................................................................46

§6.3.2 实验结果与分析...............................................................................46

第七章结论与展望.......................................................................................................49

参考文献.........................................................................................................................50

在读期间公开发表的论文和承担科研项目及取得成果.............................................54

致谢.............................................................................................................................56

第一章绪论

§1.1 课题来源及意义

生活在一个高度信息化的现代社会，身份鉴别已成为人们日常生活中必不可

少的一部分。传统的身份鉴定方法包括身份标识物品（如钥匙、证件、

ATM 卡等）

和身份标识知识（如用户名和密码），但由于是主要借助体外物，一旦证明身份的

标识物品和标识知识被盗或遗忘，其身份就容易被他人冒充或取代，所以这些鉴

别方法已不符合现代数字社会的需求。

基于生物特征的识别技术则具有传统身份鉴别方法不可比拟的优势。所谓生

物识别技术，就是通过计算机与光学、声学、生物传感器和生物统计学原理等高

科技手段密切结合，测量身体特征或是个人特点，并将这些特征或特点与数据库

的模板数据进行比较，完成认证的一种解决方案。人的生物特征是唯一的，生物

特征识别技术的基本工作就是对这些基本的、可测量或可自动识别和验证的生理

特征进行统计分析。过程大多包括四个步骤：图像获取、抽取特征、比较和匹配。

生物特征识别系统捕捉到生物特征的样品，唯一的特征将会被提取并且被转化成

数字的符号，这些符号被存成个人的特征模板，模板可能会在识别系统中，也可

能在各种各样的存储器中，如计算机的数据库、智能卡或条码卡中，人们同识别

系统进行交互，认证其身份，以确定匹配或不匹配。

生物特征识别技术是一门利用人的生理上的特征来识别人的科学。和传统方

法的不同在于，生物特征识别方法依据的是我们所拥有的东西，是我们的个体特

性。生物特征分为身体特征和行为特点两类。身体特征包括：指纹、掌形、眼睛

（视网膜和虹膜）、人体气味、脸型、皮肤毛孔、手的血管纹理和 DNA 等；行为

特点包括：签名、语音、行走的步态、击打键盘的力度等。

比尔.盖茨曾做过这们的断言：“生物特征识别技术，利用人的生理特征来识

别个人的身份，将成为今后几年 IT 产业的重要革新。”有越来越多的消费者、公

司和政府机关都承认，现有的基于智能卡、身份证或密码的身份识别系统是远远

不够的。专家们一致认为采用生物特征识别技术来进行身份确认将彻底改变人们

现有的生活方式和商业模式。

在众多身份识别技术中，指纹识别是目前较为理想且普及的身份确认技术，

并已应用于司法程序中证物的采集。指纹识别具有许多独到的信息安全角度的优

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要生活在一个群体社会中，身份鉴别对于人们的日常生活是不可或缺的。随着现代社会经济的进步，网络化和信息化技术的深入发展，传统的身份鉴别方法已无法满足需要，人们对身份的识别提出了更高的要求。基于生物特征的识别技术具有传统身份鉴别方法不可比拟的优势，该识别技术利用人生理特征的唯一性，通过计算机与传感器、生物统计学等高科技手段密切结合，测量出个人的特征，并将这些特征值与数据库的模板数据进行比较，最终实现认证。生物特征识别技术具有不易遗忘、防伪性能好、随身“携带”和随时随地可用等优点，因此受到了人们的高度关注和青睐。虹膜识别技术利用人眼中虹膜组织的终身不变性和差异性特点来识别身份，其高精度和图像采集的...

展开>> 收起<<

虹膜识别系统研究.pdf

共58页,预览6页

还剩页未读，继续阅读

虹膜识别系统研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: