一種多特征提取及融合的虹膜識(shí)別方法.pdf

1、基于虹膜特征的身份認(rèn)證方法，因?yàn)槠湮ㄒ恍?、普遍性、穩(wěn)定性、非侵犯性等眾多的優(yōu)點(diǎn)，被認(rèn)為是生物特征識(shí)別技術(shù)中最具有發(fā)展前景的技術(shù)之一。完整的虹膜識(shí)別系統(tǒng)有四個(gè)部分組成：虹膜圖像的采集、虹膜圖像的預(yù)處理，特征提取和編碼，以及特征匹配。本文以虹膜圖像的預(yù)處理、特征提取和編碼、特征匹配三個(gè)部分為研究對(duì)象，提出了一種多種特征提取算法提取虹膜特征，在匹配部分實(shí)現(xiàn)特征融合的虹膜識(shí)別方法，并采用計(jì)算機(jī)仿真的方法實(shí)現(xiàn)。本文主要內(nèi)容如下
　　(1)簡(jiǎn)

2、要介紹了生物識(shí)別技術(shù)的發(fā)展現(xiàn)狀，以及虹膜識(shí)別技術(shù)的理論依據(jù)，闡述了本文的主要研究?jī)?nèi)容及其意義。描述了虹膜識(shí)別系統(tǒng)的組成，并對(duì)各個(gè)環(huán)節(jié)的經(jīng)典算法進(jìn)行了詳細(xì)的介紹及分析。
　　(2)在虹膜圖像預(yù)處理環(huán)節(jié)采用了一種在粗定位基礎(chǔ)上精確定位虹膜邊界的方法，并采用形態(tài)學(xué)的閉運(yùn)算算法消去睫毛光斑對(duì)虹膜定位過(guò)程中的影響，這種虹膜定位算法大大減少了虹膜邊界的定位時(shí)間，縮短了整個(gè)虹膜識(shí)別方法的識(shí)別時(shí)間，定位效果理想。
　　(3)分析了單一虹膜特

3、征提取方法的局限性，提出了分別采用Log-Gabor濾波和Haar小波三層分解的方法提取虹膜特征、編碼形成兩種不相關(guān)的特征模板的方法，兼顧了虹膜的局部特征和全局特征。
　　(4)在匹配階段對(duì)兩個(gè)不相關(guān)的特征模板分別采用Hamming距離和加權(quán)歐式距離計(jì)算，得到兩個(gè)相似度，并構(gòu)造支持向量機(jī)(Support Vector Machines，SVM)分類(lèi)器進(jìn)行相似度融合的分類(lèi)匹配，實(shí)現(xiàn)了虹膜特征的融合匹配，解決了由于特征提取和編碼算法不