復(fù)雜條件下的虹膜識別算法的研究.pdf

1、隨著網(wǎng)絡(luò)和信息技術(shù)的不斷發(fā)展，在國家安全和信息安全的各個領(lǐng)域，個人的身份認證變得越來越重要，也面臨越來越嚴重的挑戰(zhàn)。生物特征識別(Biometrics)是以人體固有的各種生理和形態(tài)特征作為識別介質(zhì)，從而達到唯一識別個人身份的新興研究學(xué)科。其中的虹膜識別又被公認為生物特征識別中準確率最高的方法，成為該學(xué)科的熱點研究課題。 本文綜合應(yīng)用圖像處理、信號分析和模式識別等方面的理論和方法，系統(tǒng)深入的探討了虹膜識別的各個技術(shù)環(huán)節(jié)，研究了在圖

2、像受到眼瞼、睫毛和光斑的嚴重干擾等復(fù)雜情況下如何提高虹膜識別的準確率，在虹膜定位，眼瞼、睫毛以及光斑的去除，虹膜歸一化和圖像增強，特征提取和匹配等關(guān)鍵技術(shù)方面提出了新的算法。與現(xiàn)今主流的虹膜識別算法的實驗比較結(jié)果表明：本文提出的虹膜識別算法有很好的識別性能。 本文的主要工作和成果：1.虹膜定位算法：提出了一種新穎的快速迭代搜索算法。首先利用行列灰度值投影的方法來初步縮小搜索范圍，然后通過灰度直方圖動態(tài)確定二值化域值來粗定位瞳孔，

3、精定位采用快速搜索算法，搜索步長隨著迭代過程由大到小變化；同時根據(jù)眼瞼的位置來動態(tài)的確定虹膜外圓的搜索區(qū)域。實驗表明這種方法有很好的虹膜定位準確性和較短的定位時間。 2.眼瞼、睫毛以及光斑的去除算法：采用與水平方向成不同夾角的弧線上的梯度積分方法確定上下眼瞼；采用灰度域值方法檢測成塊的睫毛，采用Log-Gabor小波實部方法來檢測稀疏的睫毛；采用灰度域值方法檢測光斑。通過去除眼瞼、睫毛以及光斑等造成的干擾，提高了虹膜定位和識別性

4、能。 3.提出了一種基于改進的Log-Gabor小波的虹膜特征提取新方法，通過對Log-Gabor小波的改造，使之適合用來提取虹膜紋理的局部相位信息。實驗結(jié)果表明，與Daugman虹膜識別算法所采用的二維Gabor復(fù)小波相比較，該算法有更好的識別率。 4.提出了一種采用多尺度、多方向的二維奇對稱Gabor小波來同時提取虹膜紋理的局部頻率和局部方向信息的虹膜特征提取新方法，有效的將局部頻率特征和局部方向特征結(jié)合起來。該方法

5、能更加全面的表征虹膜紋理的特征空間，具有更好的識別率。 5.虹膜歸一化和圖像增強：采用將虹膜圓心和瞳孔圓心歸一到同一個中心點的方法，消除兩者不同心帶來的識別誤差；采用改進的局部直方圖均衡方法來進行虹膜圖像的增強，相較于傳統(tǒng)的直方圖均衡方法，能消除光照不均等造成的誤差。 將上述新方法應(yīng)用于學(xué)術(shù)界公開的虹膜數(shù)據(jù)庫上，取得了令人滿意的識別性能，整個虹膜識別的時間也很短，能很好的滿足實時系統(tǒng)的要求。本文算法參加了第一屆(2004