基于二維小波變換的虹膜識別算法研究.pdf

1、隨著信息技術(shù)的發(fā)展，信息安全日漸成為人們面臨的一個重要而迫切的問題。可用于身份鑒別、保護信息安全的生物特征識別技術(shù)因此越來越受到人們的重視。虹膜識別技術(shù)是一種新興的生物特征識別技術(shù)。它與其他生物特征識別技術(shù)(指紋識別，面部識別，聲音識別等)相比具有以下幾個特點：穩(wěn)定性、高可靠性和非接觸性。這些特點使得虹膜識別具有非常廣闊的應用前景。 本文研究了一種基于二維小波變換的虹膜識別算法。該算法在前人研究的基礎(chǔ)上，對虹膜識別的三個階段(虹

2、膜圖像預處理、虹膜特征提取、匹配識別)都做了一定的改進和創(chuàng)新。 首先，在虹膜圖像預處理的虹膜定位算法中。本文給出了一種改進的虹膜定位算法。該算法把虹膜定位分成內(nèi)邊緣定位和外邊緣定位兩個部分，并把重點放在內(nèi)邊緣定位上。并在內(nèi)邊緣定位算法中，首先對虹膜圖像二值化，然后用Roberts算子提取邊緣。再以Hough變換的思想來精確定位虹膜內(nèi)邊緣。外邊緣的定位則采用Daugman提出的圓邊緣檢測模板來進行定位。 接著，在虹膜圖像預

3、處理的歸一化算法中，本文采用直角坐標與極坐標映射理論把定位后的圖像歸一化到一個64×1024的灰度矩陣中。并對歸一化后的圖像進行兩次圖像分割，最終分割成18個小區(qū)域。 其次，在虹膜特征提取算法中，本文研究了一種基于二維小波變換的虹膜識別算法。該算法通過對歸一化處理后虹膜圖像的各個小分割區(qū)域進行二維小波變換，提取出主要小波通道的小波系數(shù)均值和方差作為特征值。按照該算法提取特征，每個虹膜圖像最終能提取出252個特征值。 最后