基于尺度不變特征變換的虹膜識別技術研究.pdf

1、虹膜識別技術是利用定位出來的虹膜區(qū)域中獨特的紋理信息進行身份識別的一種生物識別技術，憑借其唯一性、高穩(wěn)定性、高防偽性、非接觸性、非侵犯性和可活體檢測性等優(yōu)點成為了生物識別領域中研究的熱點，它具有廣闊的市場前景、科學的研究價值和巨大的經(jīng)濟效益。虹膜識別技術的識別過程包含虹膜圖像的采集、虹膜圖像的預處理、特征提取和特征匹配四個環(huán)節(jié)，其中虹膜圖像的預處理由虹膜內外邊界的定位、歸一化、圖像增強和圖像去噪等組成。本文著重從以下四個方面進行了研究，

2、取得了以下的成果：
　?。?）虹膜定位分為內邊界和外邊界的定位。首先利用形態(tài)學中膨脹腐蝕的方法粗略的定位出瞳孔區(qū)域，將該瞳孔區(qū)域分別在垂直方向和水平方向上進行投影，粗略地定位出瞳孔的圓心。其次利用瞳孔邊界地帶灰度值變化最明顯這一特征，找出瞳孔邊界上的不在同一條直線上三個點，利用圓的判定定理從而精確定位出虹膜的內邊界，找出瞳孔的半徑R p。外邊界的定位采用Canny邊緣檢測算子和Daugmen提出的圓形檢測相結合的算法，定位出虹膜的

3、外邊界。由于虹膜直徑大約是瞳孔直徑的5倍，因此在搜索虹膜外邊界時可以在瞳孔半徑Rp+2.5的范圍內利用圓形檢測算子進行搜索。
　?。?）利用尺度不變特征變換（Scale Invariant Feature Transform，SIFT）算法直接從定位后的虹膜圖像提取紋理特征向量，該算法具有良好的尺度、旋轉、光照、噪聲等不變特性，避免了歸一化的過程。但是提取出來的特征向量是128維，占用內存比較大，加上提取出來的特征點容易受到睫毛等

4、因素的干擾，在一定程度上影響后續(xù)的特征匹配，因此文中使用 Harris角點檢測算子對初始特征點進行篩選，將具有高對比度、高質量的特征點作為最終的虹膜特征向量。
　?。?）特征匹配方面，本文采用街區(qū)距離進行匹配，該匹配算法與原 SIFT算法的歐式距離匹配算法相比在保證精度不變的同時提高了算法匹配的時間。
　?。?）實驗結果方面，首先從CASIA-V1.0虹膜數(shù)據(jù)庫中選取20*8幅圖像作為訓練樣本，實驗結果表明改進后的SIFT算