基于小波包神經(jīng)網(wǎng)絡(luò)的虹膜分類(lèi)算法的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和數(shù)字信息技術(shù)的發(fā)展，基于生物識(shí)別的個(gè)人身份認(rèn)證技術(shù)將傳統(tǒng)的安全技術(shù)推向新的高度?；诤缒さ纳矸葑R(shí)別作為一種高度可靠的非侵犯性生物特征識(shí)別方式越來(lái)越受到人們的關(guān)注。 虹膜識(shí)別系統(tǒng)一般由圖像獲取、虹膜定位、歸一化及圖像增強(qiáng)、特征提取和匹配識(shí)別幾個(gè)部分組成。本文在總結(jié)目前虹膜識(shí)別關(guān)鍵技術(shù)研究進(jìn)展的基礎(chǔ)上，結(jié)合圖像處理、信號(hào)處理和模式識(shí)別技術(shù)，就虹膜識(shí)別中的虹膜定位、歸一化及增強(qiáng)、特征提取及分類(lèi)決策問(wèn)題展開(kāi)探討

2、，提出自己的一些改進(jìn)方法并進(jìn)行實(shí)驗(yàn)對(duì)比，對(duì)進(jìn)一步研究虹膜識(shí)別技術(shù)有一定的借鑒作用。 1.在虹膜圖像的預(yù)處理階段，采用改進(jìn)的Canny邊緣檢測(cè)加Hough變換法定位虹膜內(nèi)外邊界，同時(shí)也研究了文獻(xiàn)中常用的固定區(qū)域剔除法分割眼瞼及睫毛的不足，采用閥值法剔除睫毛的方法，從而達(dá)到有效剔除干擾。最后，采用極坐標(biāo)轉(zhuǎn)化法對(duì)虹膜進(jìn)行歸一化以達(dá)到尺度不變性，同時(shí)利用改進(jìn)的直方圖均衡化對(duì)虹膜區(qū)域進(jìn)行均衡化處理，以增強(qiáng)虹膜特征區(qū)域的對(duì)比度。 2

3、.在虹膜特征提取方法中，根據(jù)虹膜紋理特征的“內(nèi)多外少”的分布特點(diǎn)，為了更有效的表達(dá)虹膜紋理的特殊性，基于主成分分析的圖像處理技術(shù)，提出了基于“加權(quán)統(tǒng)計(jì)”的神經(jīng)網(wǎng)絡(luò)虹膜識(shí)別方法。并在此基礎(chǔ)上，同時(shí)提出自己的一些改進(jìn)方法并進(jìn)行實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)結(jié)果表明了其優(yōu)良特性。 3.為了融合特征提取與分類(lèi)識(shí)別的相關(guān)性，文中提出了緊致型小波神經(jīng)網(wǎng)絡(luò)的虹膜識(shí)別算法，提高虹膜識(shí)別的自適應(yīng)學(xué)習(xí)的分類(lèi)機(jī)制，在本文的最后針對(duì)Gabor濾波器的信號(hào)處理中的不足，

4、采用Gabor基函數(shù)變換的算法提取虹膜的紋理信息，基于Gabor小波神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)，提出了基于Gabor小波神經(jīng)網(wǎng)絡(luò)的虹膜識(shí)別算法。通過(guò)自適應(yīng)尋優(yōu)而確定一組能達(dá)到最佳識(shí)別效果的參數(shù)來(lái)指導(dǎo)虹膜特征的提取和分類(lèi)。最后，利用CASIA虹膜庫(kù)中的420張圖片，對(duì)不同方法進(jìn)行了實(shí)驗(yàn)對(duì)比，討論了訓(xùn)練的幾個(gè)參數(shù)對(duì)識(shí)別結(jié)果的影響。文中提出的Gabor小波神經(jīng)網(wǎng)絡(luò)的虹膜識(shí)別方法顯示了較高的識(shí)別率和識(shí)別速度，及較高的自適應(yīng)性。 4.在分類(lèi)決策