基于尺度相关多特征提取与融合的虹膜识别算法

传统多尺度变换的虹膜识别算法存在特征单一、忽视尺度间特征相关性的缺欠。基于此,提出一种基于尺度相关多特征提取与融合的虹膜识别算法。首先,利用二维不可分小波对圆形归一化的虹膜图像进行多尺度多方向分解,依据尺度间特征的相关性提取最优尺度上的点特征和区域特征。然后,设计满足本算法的多特征融合的模糊推理规则,并依据此规则进行虹膜分类。在CASIA(1.0)虹膜图库上仿真结果为,当等误率为13.216%时,正确识别率为99.999%。与经典算法比较,该算法识别率更高,抗噪能力更强。     

基于深度学习的虹膜人脸多特征融合识别

传统多生物特征融合识别方法中人工设计特征提取存在盲目性和差异性,特征融合存在空间不匹配或维度过高等问题,为此提出一种基于深度学习的多生物特征融合识别方法。通过卷积神经网络(convolutional neural networks,CNN)提取人脸和虹膜特征、参数化t-SNE算法特征降维和支持向量机(support vector machine,SVM)分类组合进行融合识别。实验结果表明,该融合识别方法与单一生物特征识别以及其它融合识别方法相比,鲁棒性增强,识别性能提升明显。     

基于能量最大响应方向的虹膜识别算法*

为提高虹膜识别算法的正确识别率,给出了基于能量最大响应方向的虹膜识别算法。该算法首先对人眼图像进行预处理得到归一化虹膜图像,并依据归一化虹膜纹理的分布特点,选择多尺度多方向滤波技术对归一化虹膜图像进行分解;然后提取最优分解尺度下像素点的能量最大响应方向数,进行二进制虹膜编码和去噪;最后通过计算两个虹膜编码间的加权海明距离和衡量两者的差异性,给出识别结果。实验证明,在等误率为0.1176 时,正确识别率达到99.997%。与经典的虹膜识别算法相比较,该算法具有更高的识别率。     

基于Snake模型的虹膜定位算法

虹膜识别被认为是目前最准确可靠的生物特征识别方法．快速、准确地定位虹膜是虹膜识别系统的关键．提出一种基于Snake模型的虹膜定位算法：采用Canny检测算子定位虹膜内边缘，运用Snake模型锁定虹膜外边缘．实验表明，该方法速度快、精度高，并且具备良好的鲁棒性．     

基于Adaboost的人脸与虹膜融合识别

传统生物特征识别系统的识别率经常受到环境以及生物学特征的自身局限性影响。针对该不足,提出一种基于人脸与虹膜特征级融合的多模态生物识别系统,采用中心对称局部二值模式算子提取人脸和虹膜的纹理特征,将人脸特征与虹膜特征线性整合成混合特征向量,利用Adaboost算法从该混合特征向量中优选出一组最佳特征组合,从而构成强分类器。实验结果表明,该多模态系统相比单模态系统具有更好的鲁棒性。     

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。     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

虹膜识别研究与应用综述

虹膜识别是模式识别领域的前沿研究方向,也是一项具有广阔应用前景的身份认证技术,业已得到国内外政府部门、学术界和工业界的广泛关注。介绍了国内外虹膜识别研究和应用的现状以及存在的主要问题。     

小波包分解在虹膜识别中的应用研究

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。文中结合小波包分解的特点，提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解，并对各窗口的子带图像作筛选处理；然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特征；最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。     

虹膜识别中标准化区域分辨率的研究

针对虹膜区域图像大小不同,难以实现虹膜的比较问题,提出了根据虹膜最小内边界周长确定角度分辨率和根据虹膜最小内、外边界半径差确定径向分辨率的方法,将不同分辨的虹膜图像转换为相同分辨率的矩形区域。结果表明,采用该方法得到的标准化维数对于虹膜的识别是有效的。     

一种利用分块统计的虹膜定位算法

虹膜识别是一种新兴的生物特征识别技术，而虹膜定位是虹膜识别的重要步骤，因而精确而快速地进行虹膜定位是有效地进行虹膜识别的重要前提。为了能够快速地进行虹膜定位，在简要介绍现有的虹膜定位算法的基础上，提出了一种新的利用分块统计的虹膜定位算法。由于虹膜边缘可以简单地用圆周描述，因此，该算法第1步先阈值化分割图像，以分别建立虹膜和瞳孔的二进制位图；第2步用游长编码的方法来寻找最大色块的质心，并计算边界点到质心距离的均值。实验结果表明，对于虹膜定位而言，该算法是实用而且有效的。     

基于卷缩轮编码的虹膜识别

摘要利用图像纹理元的灰度模式及统计特征完成虹膜图像的卷缩轮分割,并在卷缩轮分割的基础上实现对虹膜的识别;实验结果表明,该方法具有很好的识别效果。     

基于卷缩轮信息的虹膜识别

本文利用图像纹理元的灰度模式及统计特征完成卷缩轮的分割,并在卷缩轮分割的基础上实现对虹膜的识别;同时,运用该方法进行了实验,实验效果很好。     

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。     

基于曲面匹配的虹膜识别方法

提出了一种基于曲面匹配的虹膜识别方法,直接利用2幅虹膜图像对应的像素点灰度进行匹配。该方法主要包括虹膜图像尺寸和灰度范围的归一化、匹配区域的选择、匹配相似度阈值的估计以及对人眼旋转的自动校正。该文选择在眼毛、眼睑通常遮挡不到的一个较小的区域作为虹膜匹配区域,使该方法具有较宽的适应能力。没有特征提取过程,使得该方法具有计算量小的特点。图像之间的匹配过程使得伪造和窃取虹膜编码变得困难。实验表明该方法具有较高的识别率。     

虹膜纹理归一化算法研究

对原有的虹膜归一化算法进行了改进,本文研究将直角坐标系下的大小不一的虹膜采集成像变换为大小一致的极坐标,并在插值运算过程中运用双线性插值算法,对虹膜归一化图像进行矫正,从而得到较为理想的归一化虹膜图像。     

基于纹理特征融合约减的虹膜识别研究

为了获得更完整的虹膜特征,通过空域和频域两个角度提取纹理特征,以变化分数维和小波特征值共同构成虹膜的初始特征序列．然后使用多目标遗传算法对所抽取的特征序列进行优化约减,最后以优化好的特征序列来训练虹膜分类器对虹膜进行识别．并针对虹膜认证实际应用中变化的安全性要求,使用了非对称的支持向量机．实验结果表明,结合时域和频域的特征序列较好地反映了虹膜的纹理变化特性,提高了虹膜识别的正确率．     

一种基于PCNN的改进型虹膜识别算法

基于脉冲耦合神经网络(PCNN),提出一种改进的虹膜识别算法。针对虹膜定位准确性这个研究点,引入形态学滤波对人眼图像进行去噪,以提高定位准确性。介绍了PCNN的模型,并对神经元震荡时间序列(OTS)进行统计分析,得出不同虹膜纹理具有唯一的神经元OTS。最后计算OTS的欧氏距离并进行分类,实现了虹膜识别的改进方法。在CASIA-Iris-Interval虹膜数据库中的实验结果验证了该方法的有效性,显示了它比传统算法具有更好的识别率和识别速度。