虹膜識別理論研究.pdf

1、虹膜識別作為生物特征識別的一個重要分支，是指利用人眼虹膜區(qū)域進行身份鑒別的技術(shù)。虹膜特征與其它生物特征相比具有高穩(wěn)定性、高可靠性和高防偽性等優(yōu)點。該技術(shù)從提出到現(xiàn)在已有十多年的時間，但是由于應(yīng)用環(huán)境的復(fù)雜性，仍然存在許多需要改進之處。本文正是針對現(xiàn)有虹膜識別算法在虹膜圖像模糊檢測和虹膜圖像定位兩部分的不足之處，提出了新的改進性方法，并取得了較好的實驗結(jié)果。
　　本文首先介紹了生物特征識別技術(shù)和虹膜識別技術(shù)的基本概念，以及虹膜識別系

2、統(tǒng)的主要組成部分，即：虹膜圖像質(zhì)量評估、虹膜定位、虹膜圖像歸一化、虹膜圖像遮擋掩膜估計、虹膜圖像特征提取、匹配和虹膜圖像粗分類。同時介紹了每一部分相關(guān)算法的研究現(xiàn)狀和發(fā)展動態(tài)，及存在的主要問題。針對這些主要問題，本文進行了以下五個方面的研究工作：
　　1.提出了基于多核函數(shù)學(xué)習(xí)的模糊虹膜圖像檢測模型。
　　虹膜圖像模糊檢測是自動虹膜識別系統(tǒng)中圖像質(zhì)量評估最重要的一個步驟，該問題作為非參考圖像模糊檢測問題一直未被很好解決。本文

3、在分析模糊虹膜圖像頻譜和倒譜特征的基礎(chǔ)上，提出了兩種新的基于頻譜能量密度分布和奇異倒譜直方圖的模糊特征。提出奇異倒譜直方圖分布作為模糊特征也是本文一個重要的貢獻之一。該特征是與圖像內(nèi)容獨立的具有很強判別性的模糊特征。另外，本文提出采用多核函數(shù)學(xué)習(xí)的方法，融合兩種特征進行虹膜圖像的模糊檢測。實驗結(jié)果證明了提出特征和多核函數(shù)學(xué)習(xí)的有效性。
　　2.提出了基于概率成對投票的虹膜定位模型。
　　虹膜圖像定位是虹膜識別系統(tǒng)中最困難且最

4、重要的問題，它直接關(guān)系到識別特征的有效性和算法的實時性。眼瞼、睫毛和光斑等的干擾以及拍攝時頭部的轉(zhuǎn)動加劇了該問題的復(fù)雜性。本文提出了一種基于概率成對投票的圓定位方法。該方法能夠有效克服被檢測物體的微小形變，不易受到遮擋、噪聲的干擾。同時由于在概率框架下在連續(xù)參數(shù)空間中進行投票，因此可以通過模態(tài)檢測的方法找到最佳假設(shè)圓參數(shù)，有效地降低了已有圓定位方法的算法復(fù)雜度。本文將該方法應(yīng)用于虹膜定位問題，取得了很好的效果。
　　3.提出了基于

5、局部判別模型和哈夫聚類的虹膜定位模型。
　　多數(shù)已有虹膜定位方法利用虹膜邊緣的灰度梯度信息進行虹膜邊緣的檢測或判斷，然而虹膜的內(nèi)外邊緣除了灰度梯度值特征之外，還有許多判別性更強的局部特征。本文提出利用邊界點附近局部區(qū)域的圖像特征進行虹膜和非虹膜邊界點的判定。同時利用哈夫聚類的基本思想，通過邊界點在圖像中分布位置的整體約束，進一步準(zhǔn)確地區(qū)分虹膜和非虹膜邊界點。最后，利用光滑樣條函數(shù)擬合虹膜邊界點，得到虹膜邊緣的精確位置。實驗證明局部

6、判別模型的應(yīng)用有效地提高了原有虹膜定位方法的定位準(zhǔn)確度。
　　4.提出了基于小波多分辨率分析和M估計的虹膜定位模型。
　　小波多分辨率分析是圖像分析的有效工具。本文通過分析瞳孔邊緣、虹膜邊緣以及眼瞼、睫毛邊緣特征存在的尺度范圍，提出在虹膜內(nèi)外邊緣特征存在的尺度范圍內(nèi)進行虹膜邊界點提取，有效地減少了其它邊界的干擾。同時，提出采用基于M估計的橢圓擬合方法擬合邊界點，進一步排除了非虹膜邊界點對定位結(jié)果的影響。
　　5.提出了

7、基于相位一致性分析和最小修剪方差擬合的虹膜定位模型。
　　相位一致性分析是進行圖像特征檢測和提取的一種有效方法。本文通過檢測相位一致性的局部最大值提取虹膜邊界點。該邊界點提取方法不易受圖像光照變化、對比度變化的影響，同時通過選擇濾波器的尺度范圍避免了眼瞼、睫毛等高頻圖像特征的干擾。此外，利用最小修剪方差擬合邊界點也有效避免了噪聲和外點對于擬合結(jié)果的干擾。
　　最后，本文總結(jié)了上述各種方法的優(yōu)點與不足，并提出了今后工作的主要研