共查询到19条相似文献,搜索用时 46 毫秒
2.
3.
4.
5.
6.
由于虹膜具有惟一性、稳定性、不可更改性等优点,虹膜识别已经成为生物特征身份识别领域中的研究热点。为了简化特征提取方法并提高虹膜识别的准确性,提出一种基于相位一致性的虹膜识别方法。该方法利用相位一致性所具有的较强特征检测能力,提取虹膜纹理的边缘点标记纹理的位置信息,将位置特征作为虹膜纹理的可区分性特征实现虹膜识别。在CASIA-IrisV3-Interval图像库上进行实验的结果证明,该方法是可行的,也是有效的,并且具有较高的识别准确性。 相似文献
7.
基于虹膜识别技术的便携式身份认证系统 总被引:2,自引:0,他引:2
本文提出了采用DSP技术,无线传输技术和Gabor变换的虹膜识别系统,用于便携式的身份认证系统。系统包括3部分:虹膜采集,图像处理与数据传输,数据接收与判别。第1部分采用新型CMOS成像芯片成像,光学低通滤波器滤波和自对准,红外照明防耀眼等无侵犯性设计;第2部分采用LOG滤波器进行边级检测和分离虹膜,采用二维Gabor滤波器变换虹膜图像和编码、DSP控制无线发送编码信息;第3部分采用微处理器控制无线接收编码信息,通过计算海明距离进行编码比较判别。系统克服了一般虹膜识别系统体积笨重、不便于随身携带使用的缺点。 相似文献
8.
基于虹膜的身份识别技术以其不可替代的优势成为生物特征识别中极具发展潜力的身份识别技术之一。本文详细介绍了虹膜识别中遇到的问题以及解决方法,介绍了虹膜识别的新的研究方向。 相似文献
9.
虹膜识别算法的研究及实现 总被引:36,自引:1,他引:36
Daugman提出的虹膜识别算法具有准确性高,速度快的,但是有关该算法的具体实现却未见文献报道。对Daugman的算法进行了研究,工尝试该算法的实现,提出了一种新的粗定位和精定位相结合的算法来快速位虹膜。在滤波过程中仅利用了实部滤波器就可减少代码长度,而不影响识别效果,其中包括图像的预处理,多尺度2D Gabor滤波器的构造,虹膜码及Hamming距离的计算等。实验结果表明,该方法计算速度快,提取特征的效果好,可用于实际的身份鉴别系统。 相似文献
10.
11.
为了快速、准确地达到虹膜识别的目的,提出一种基于Hough变换的快速虹膜识别算法。首先,对虹膜图像进行相关预处理,其中包括将原图像缩小若干倍,利用Hough变换提取虹膜圆环后,再还原图像;其次,利用2D-Gabor滤波器提取虹膜纹理信息;最后,利用Hamming距离进行虹膜识别。采用虹膜库中30例虹膜图像对该快速虹膜识别算法进行实验研究,结果表明:对虹膜图像缩小倍数应为22n(n=1,2,3,…)倍;当虹膜图像缩小倍数为16倍时,可实现计算速度与识别效果的最佳平衡。实验证明,该虹膜识别方法可行有效。 相似文献
12.
基于多尺度策略的三步虹膜定位算法研究 总被引:4,自引:0,他引:4
为了解决虹膜识别技术中有效、快速地定位虹膜图像,针对传统虹膜定位算法的局限性,提出了一种快速多尺度虹膜定位算法.该算法根据瞳孔、虹膜和巩膜的区域特征,应用多尺度策略,实现了瞳孔、虹膜和眼睑三部分的边缘定位.在相同的实验条件下,对不同个体的虹膜图像进行仿真实验,结果表明,本文算法较传统的边缘检测与Hough变换方法节省了定位时间,增强了定位的稳定性,减少了传统虹膜定位算法中的搜索盲目性. 相似文献
13.
由于虹膜自身具备独特性和随机性,因此需要对其进行特征提取操作,找出具有识别意义的虹膜纹理信息并将其编码,然后依据特定的判决标准来判断两幅图像是否源于同一人,从而实现虹膜识别的功能。该文对传统LBP算子进行改进,极大程度上缩减了描述码维数,并结合位移差分图像匹配方法,得到一种快速、有效的特征方法。通过对CASIA虹膜数据库进行实验比较,该方法能够获得理想的识别效果。 相似文献
14.
一种新颖的虹膜识别算法 总被引:8,自引:2,他引:6
虹膜识别通常包含虹膜定位、特征提取以及编码和识别几个关键步骤。本文提出的算法从建立虹膜灰度图像的直方图入手,分析虹膜边界的灰度阈值,依靠投票机制完成虹膜的定位;然后根据人眼的生理构造特点将虹膜分区,再对经过分区处理形成的虹膜纹理特征图像用一维连续Gabor复小波提取虹膜纹理特征点的相角信息;最后对相角信息以二比特格雷码实现一次编码和循环差分二次编码,利用特征多项式计算进行比较的两个虹膜的特征差异矩值(P_frfs),根据判定阈值(P0)判定,最终实现虹膜识别。 相似文献
15.
16.
17.
18.
虹膜识别面临两个重要的问题:一是如何精细分解与重构虹膜球面图像;二是如何识别虹膜图特征。虹膜表面几何位置信息是一种重要的信号,传统的虹膜识别通常使用虹膜图像的平面特征,然而人的眼睛是一种球体,从平面图像难以提取到虹膜球体的几何特征。针对平面特征容易出现虹膜纹理的扭曲和失真等问题,该文建议一种正交对称的球面Haar小波(OSSHW)基,对球面虹膜信号进行多尺度分解与重构,获得更精细的虹膜曲面几何特征,同时对比球谐函数和半正交或正交球面Haar小波基的虹膜球面信号特征提取能力。在此基础上,该文提出一种基于卷积神经网络(CNN)和正交对称的球面Haar小波的虹膜识别方法,它能够有效捕获虹膜球体曲面的局部精细特征,比半正交或正交球面Haar小波基具有更强的虹膜识别能力。 相似文献