基于二维正交滤波的虹膜识别算法

提出一种针对灰度虹膜图像进行虹膜特征提取及匹配的方法,其利用四元数二维正交Log Gabor小波提取虹膜图像的纹理特征,以滤波后图像的解析信号作为虹膜的特征编码.该方法可以同时表征虹膜纹理多方向上的特征,更加全面地描述了虹膜纹理的特征空间.特征匹配采用类似汉明距的方式,同时以虹膜图像中眼睑、睫毛以及光斑的分布为匹配模版来减少它们的干扰.大量实验的结果表明该方法具有非常优越的识别性能.     

一种高精度的虹膜识别算法的实现

该文提出了一种高精度的基于虹膜的身份识别的方法。该方法包括虹膜图像的预处理、虹膜的特征提取和虹膜的匹配与识别三个部分。虹膜图像的预处理包括虹膜图像的定位、归一化、增强和去噪。利用虹膜图像提供的丰富的纹理信息,特征提取采用Daubechies-2小波变换的纹理分析方法。匹配采用k近邻分类器。该算法对光照和噪声不敏感,且具有平移、缩放、旋转不变性。由实验结果表明,本文提出的方法提高了虹膜识别的有效性和准确性,是一种实用的身份识别方法。     

基于权值相位差的虹膜匹配算法

虹膜识别是最具发展前途的生物识别技术之一,由于虹膜匹配和评价作为虹膜识别的核心步骤直接影响虹膜识别的准确率,提出一种新的基于权值相位差的虹膜匹配算法。首先对定位好的虹膜图像重新采样,其次对其进行归一化处理,得到矩形虹膜图像。然后利用频域变换处理矩形虹膜图像。最后采用新的虹膜匹配算法利用全部相位信息和部分振幅信息来进行虹膜的匹配。虹膜纹理信息主要集中在虹膜环靠近瞳孔的位置,这部分区域纹理信息密集,本文提出的基于权重函数的方法能经过实验验证,该算法有效地突出虹膜纹理低频信息部分快速准确,提高了匹配效率,为虹膜识别的匹配和评价核心步骤提供了一个新的方法。     

基于Log-Gabor滤波的虹膜识别系统

在已有虹膜识别研究成果的基础上,提出基于Log-Gabor滤波的虹膜身份识别图像系统。该系统利用Matlab平台结合一维Log-Gabor滤波器对归一化后的虹膜进行滤波并提取纹理特征,然后对纹理特征进行相位编码,并用汉明距离进行虹膜匹配,匹配时采用干扰掩模屏蔽虹膜预处理过程中的噪音。本文结合CASIA虹膜图像数据库进行实验论证,其结果表明该系统误判率为0.125%,拒判率为0.05%,达到较好的识别效果。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

基于局部纹理分析的虹膜识别算法

提出了一种新的基于局部纹理分析的虹膜识别算法。基于多通道Gabor滤波器，滤波图像的系数定量地描述了虹膜纹理局部子块和给定滤波器之间的相似度，系数越大，说明该子块在空间形态上和滤波器越相似。采用局部滤波图像系数的加权平均作为特征编码，那些具有较大系数的点，即和滤波器最相似的点对特征点的位置贡献较大，更能真实的反应虹膜纹理结构。基于欧氏距离的特征匹配试验表明了该方法的有效性。     

基于相位谱互相关的虹膜识别方法研究

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据，与其他生物特征识别相比，具有更高的可靠性。该文提出一种基于图像相位谱互相关的虹膜识别方法。本系统先对虹膜图像进行滤波、定位、增强等预处理，再利用相位谱互相关匹配算法对虹膜图像进行识别，最后，进行了小样本的实验。实验结果表明，该方法是可行的，并且识别准确率高，速度快。     

一种基于分数维的虹膜识别方法

提出了一种基于极值加权平均分数维特征提取的虹膜识别方法. 针对亚洲人虹膜纹理反差弱的特点, 设计了高分辨率虹膜采集设备; 利用形态学和圆形边缘检测算子定位虹膜, 并将虹膜纹理映射到极坐标空间; 定义了一种新的图像分数维---极值加权平均分数维, 用于提取虹膜特征; 最后, 利用相关分类器对虹膜特征矩阵进行匹配识别. 试验表明极值加权平均分数维能很好地提取虹膜特征, 系统识别率高, 速度快.     

基于2D-Gabor滤波器的虹膜识别算法实现

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性。根据虹膜内外灰度差,采用二值化方法提取瞳孔,用Canny算子精确定位虹膜的内边缘,利用微分积分算子定位外边缘,并对虹膜进行归一化、校准、增强等预处理;再利用2D-Gabor滤波提取纹理特征,最后比较Hamming距离,进行匹配与识别。实验结果表明,该方法效果良好,识别率高。     

基于Haar小波和Log-Gabor变换的虹膜识别方法

为了提高虹膜识别的准确率,通过对虹膜图像进行处理,实现了对虹膜图像的准确定位,得到了增强的归一化图像;使用Haar小波变换进行了特征提取,通过采用K-means方法对小波特征数据进行聚类,实现了粗分类得到了小样本集虹膜图像;结合虹膜的纹理特点,通过使用Log-Gabor滤波器提取虹膜局部纹理特征,量化编码后形成了虹膜特征模板;然后在得到的小样本集内通过汉明距离计算虹膜特征模板的相似度,完成对虹膜图像的识别。实验结果表明,提出的虹膜识别方法有效地避免了虹膜匹配过程中因为虹膜数据库中种类多、数量多带来的计算量大、计算时间长的问题,提高了识别准确率。     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...     

计算机辅助虹膜诊断中特征提取方法研究

针对计算机辅助虹膜诊断中虹膜分区以及局部特征提取问题,提出了虹膜区域划分方法及具体分区中特征提取的方法.利用虹膜图像中瞳孔的灰度特征,实现虹膜的快速定位.在虹膜定位的基础上,利用虹膜图谱对左右虹膜图像分别进行特征区域划分,并且对划分后的虹膜图像进行规一化处理.在规一化后的虹膜图像中,针对肠区的病理特点,利用改进的Hough变换,提取了虹膜图像中肠道分区的局部病理特征.实验表明,虹膜图像区域划分方法的可行性.     

An effective and fast iris recognition system based on a combined multiscale feature extraction technique

The randomness of iris pattern makes it one of the most reliable biometric traits. On the other hand, the complex iris image structure and the various sources of intra-class variations result in the difficulty of iris representation. Although, a number of iris recognition methods have been proposed, it has been found that several accurate iris recognition algorithms use multiscale techniques, which provide a well-suited representation for iris recognition. In this paper and after a thorough analysis and summarization, a multiscale edge detection approach has been employed as a pre-processing step to efficiently localize the iris followed by a new feature extraction technique which is based on a combination of some multiscale feature extraction techniques. This combination uses special Gabor filters and wavelet maxima components. Finally, a promising feature vector representation using moment invariants is proposed. This has resulted in a compact and efficient feature vector. In addition, a fast matching scheme based on exclusive OR operation to compute bits similarity is proposed where the result experimentation was carryout out using CASIA database. The experimental results have shown that the proposed system yields attractive performances and could be used for personal identification in an efficient and effective manner and comparable to the best iris recognition algorithm found in the current literature.     

基于提升整数小波变换的虹膜识别

提出了一种基于小波提升方案的虹膜识别算法。与传统基于卷积的小波变换方法相比,该方法在特征提取上计算简单,运算速度快,而且实现的是从整数到整数的变换,更有利于虹膜信息的量化。先对虹膜图像进行提升整数小波变换,然后对子图进行量化编码得到特征,采用屏蔽了噪声位的汉明距来进行模式识别。实验结果表明,基于提升整数小波变换的虹膜识别方法在识别率和等错率方面都能达到好的识别效果,在特征提取速度上也得到了较大提升,更能满足实时性的要求。     

基于DCT变换的虹膜识别算法

虹膜识别是一种新的生物识别技术。本文主要研究虹膜图像预处理、特征提取和匹配几个部分的优化,在特征提取阶段,采用基于一维DCT变换的虹膜特征优选算法。其基本思想是：对预处理后的虹膜图像进行一维的DCT变换,在速度和准确率约束的条件下,对变换后得到的系数进行抽取作为特征矩阵,通过计算虹膜特征矩阵的相似度进行虹膜识别。实验结果表明;该算法速度比较快,准确率也比较高。     

Fusing the information in visible light and near-infrared images for iris recognition

Automated human identification is a significant issue in real and virtual societies. Iris is a suitable choice for meeting this goal. In this paper, we present an iris recognition system that uses images acquired in both near-infrared and visible lights. These two types of images reveal different textural information of the iris tissue. We demonstrated the necessity to process both VL and NIR images to recognize irides. The proposed system exploits two feature extraction algorithms: one is based on 1D log-Gabor wavelet which gives a detailed representation of the iris region and the other is based on 1D Haar wavelet which represents a coarse model of iris. The Haar wavelet algorithm is proposed in this paper. It makes smaller iris templates than the 1D log-Gabor approach and yet achieves an appropriate recognition rate. We performed the fusion at the match score level and examined the performance of the system in both verification and identification modes. UTIRIS database was used to evaluate the method. The results were compared with other approaches and proved to have better recognition accuracy, while no image enhancement technique is utilized prior to the feature extraction stage. Furthermore, we demonstrated that fusion can compensate the lack of input image information, which can be beneficial in reducing the computation complexity and handling non-cooperative iris images.     

一种基于子块图像互相关的虹膜识别方法

虹膜识别是一种新兴的生物特征身份识别方法,在场所或资源的安全控制等方面具有重要的应用价值。该文提出了一种基于子块图像互相关的虹膜识别方法。在特征提取时,把图像划分为许多子块,计算两幅虹膜图像的对应子块间的归一化相关系数,并把最小的几个归一化相关系数去除掉,然后求得剩下的归一化相关系数的均值及方差,作为两幅虹膜图像的联合特征。这能够有效地减小图像强度的局部畸变对虹膜识别的影响。为了实现模式的非线性划分,判别函数采用径向神经网络来构造。最后,进行了小样本实验,实验结果表明,这种基于子块图像互相关的虹膜识别方法是可行的。