基于感興趣區(qū)域的離焦模糊虹膜圖像質(zhì)量評價方法.pdf

1、虹膜識別作為身份識別的重要方法之一，近些年來應用廣泛。虹膜識別過程涵蓋虹膜圖像獲取、虹膜圖像預處理、特征提取、特征匹配等步驟，而虹膜圖像預處理部分包括虹膜分割定位、圖像質(zhì)量評價、歸一化與圖像增強等。離焦模糊為最常見的圖像質(zhì)量干擾因素，因此虹膜識別之前正確評價離焦模糊圖像的質(zhì)量，具有非常重要的研究意義。
　　本文總結(jié)出一種基于感興趣區(qū)域的離焦模糊虹膜圖像質(zhì)量評價方法，研究工作主要包括3個方面。
　　(1)理論基礎(chǔ)研究。針對感興

2、趣區(qū)域的確定、離焦模糊虹膜圖像的特點以及圖像質(zhì)量評價相關(guān)方面，分別對其研究的理論進行了調(diào)查與分析，全面了解虹膜識別領(lǐng)域所涉及的各項研究技術(shù)，總結(jié)虹膜識別的基礎(chǔ)理論；歸納虹膜圖像質(zhì)量評價研究現(xiàn)狀、發(fā)展前景和相關(guān)研究方法；總結(jié)離焦模糊虹膜圖像的成因及所造成的影響；了解結(jié)合機器學習方法的圖像質(zhì)量評價算法，總結(jié)SVM的相關(guān)理論，為本文算法框架的提出奠定理論基礎(chǔ)。
　　(2)算法設(shè)計。通過分析總結(jié)虹膜圖像質(zhì)量評價研究現(xiàn)狀及不足，總結(jié)出算法框

3、架；為了更有效地進行虹膜圖像質(zhì)量評價，結(jié)合數(shù)學形態(tài)學處理，將虹膜灰度圖像進行粗定位；確定出評價的感興趣區(qū)域，這個感興趣區(qū)域包括虹膜不易被眼瞼和睫毛遮擋的部分，并對這部分區(qū)域進行歸一化；然后結(jié)合二維傅里葉變換得到頻域幅度譜，提取圖像頻域特征，確定質(zhì)量分數(shù)；構(gòu)建訓練樣本，選擇核函數(shù)和參數(shù)，用SVM多分類器進行訓練和分類，實現(xiàn)離焦模糊虹膜圖像質(zhì)量的等級分類。
　　(3)算法仿真與實驗驗證。通過使用中國科學院的CASIA虹膜數(shù)據(jù)庫中部分虹

4、膜灰度圖像進行驗證。利用Matlab R2014a軟件平臺中LIBSVM工具箱，編寫仿真程序，進行算法的仿真實現(xiàn)，得出仿真結(jié)果并進行結(jié)論分析。最后提出算法的不足之處及未來需要進一步做的工作。
　　本文的創(chuàng)新之處總結(jié)為兩個方面：
　　(1)在計算虹膜圖像質(zhì)量分數(shù)時，采用低頻能量值與高中頻能量值之比，使不同模糊層級的質(zhì)量分數(shù)有懸殊的差別，結(jié)合支持向量機進行訓練和評價時，能夠更準確的實現(xiàn)圖像質(zhì)量分級。
　　(2)將離焦模糊虹

5、膜圖像質(zhì)量劃分為4個等級，而不是傳統(tǒng)的2個等級，這樣可以充分利用虹膜圖像，方便虹膜識別后期處理時對輕微和中等離焦模糊圖像進行不同程度的恢復等操作，并可以對嚴重離焦模糊虹膜圖像進行剔除等操作。
　　本文算法仍存在不足之處：
　　(1)在特征提取時，本文算法僅提取一種質(zhì)量特征，并不能反映虹膜圖像的方向信息，很難通過機器學習方法得到最優(yōu)模型進行評價。所以，為了更精確的評價圖像質(zhì)量，應從更多方面提取不同的特征向量。
　　(2)