虹膜識別算法研究及實現(xiàn).pdf

1、當今互聯(lián)網(wǎng)迅速發(fā)展，人們對信息的需求越來越高，因而涉及信息安全的問題越來越突出，對于身份鑒別的準確性、安全性與實用性也提出了更高的要求。傳統(tǒng)的識別手段已不適應(yīng)現(xiàn)代生活的需要，基于生物特征的身份識別技術(shù)進入迅速發(fā)展的階段。生物識別技術(shù)是基于個體擁有的唯一特征來自動辨別個體。虹膜識別擁有可靠性高、唯一性、不可偽造性及不可侵犯性等優(yōu)點而得到廣泛應(yīng)用。 本文詳細闡述了虹膜識別技術(shù)的發(fā)展及研究意義、虹膜生理結(jié)構(gòu)和虹膜識別系統(tǒng)的構(gòu)成。較深入

2、的研究了虹膜識別算法，實現(xiàn)了四個步驟，即虹膜定位、歸一化、特征提取和匹配。本文的研究工作主要集中在對虹膜圖像歸一化和匹配兩方面的研究。 在虹膜圖像的歸一化過程中，采用一種基于Daugman橡皮片的輻射線段的歸一化方法，把圓環(huán)型區(qū)域歸一成為矩形區(qū)域。這種方法采用若干條線段表示兩個不同心圓周之間的區(qū)域，只要規(guī)定這些線段上的點數(shù)就可以起到很好的歸一化效果，并且只有一種分析模型。減少定位搜索的盲目性，節(jié)省計算時間，降低定位過程的復(fù)雜性。

3、采用Hough變換對虹膜進行精定位。 在特征提取及編碼匹配過程中，本論文首先將歸一化后的二維虹膜圖像轉(zhuǎn)換為一維灰度信號，從而減小了運算量：然后運用1DGabor小波對構(gòu)造的一維灰度信號進行分析，選取適當尺度上的小波變換結(jié)果進行量化，構(gòu)造出二進制的特征向量，從而降低了算法復(fù)雜度，提高識別速度；最后采用改進的Hamming距離進行移位匹配識別，實現(xiàn)了識別的旋轉(zhuǎn)不變性。 本文采用中科院自動化研究所提供的虹膜數(shù)據(jù)庫（CASIA1

4、.0），選取80人×7張/每人＝560張虹膜圖像進行實驗。通過大量實驗對該算法進行了驗證，證明對于本文所選取的CASIA—a中心波長為18像素最優(yōu)。最優(yōu)的模板大小為輻射分辨率20像素，角分辨率為240像素。這些參數(shù)產(chǎn)生了信息量為9600比特的生物模板。為了修正旋轉(zhuǎn)不一致性，平移8個單位在CASIA—a中最優(yōu)。FAR與FRR分別為0.005％與0.236％，這個識別率已經(jīng)足夠用于實際；而傳統(tǒng)的海明距離FAR與FRR分別為0.013％與0.