基于Morlet小波变换系数的自适应虹膜识别

传统的虹膜识别方法原理复杂,实现困难.为了在保证识别率的同时简化虹膜识别算法,提高虹膜识别效率,本文提出了一种基于Morlet小波变换系数的自适应虹膜识别方法.首先,进行虹膜定位和下眼睑拟合,然后对虹膜图像进行归一化操作,得到512列x64行的矩形虹膜图像,并自适应地确定有效虹膜区域;其次,在虹膜有效区域内,对图像逐行进行一维Morlet小波变换,获得不同尺度下一系列小波变换系数,进而得到不同尺度下的小波变换系数分布图;再次,依据不同尺度下的小波变换系数对图像进行二进制编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.实验证明,该方法可以达到99.946%的识别率,能够满足虹膜识别要求.     

基于区域灰度变化的虹膜识别

为了提高虹膜识别的效率和准确性,对虹膜识别进行了深入研究,提出了一种基于区域灰度变化的虹膜识别方法.图像预处理得到归一化的虹膜图像,根据虹膜纹理尺度的不同,采用椭圆形高斯滤波器对虹膜图像进行滤波,均匀选取采样点,计算每个采样点附近的区域灰度值,利用序数测度的方法对特征编码,最后通过两个虹膜编码之间的海明距来判断两者之间的差异程度,得到识别结果.本文算法选用Bath 大学虹膜库和CASIA 虹膜库进行了验证实验,等错率分别达到0.05%和0.69%.结果表明,该算法具有很好的准确性和识别速度.     

一种用于虹膜识别的眼睫毛遮挡检测算法

为了降低眼睫毛噪声对虹膜识别的影响,提高虹膜的识别率,本文提出了一种用于虹膜识别的眼睫毛遮挡检测算法.该方法根据Canny算法检测图像中的眼睫毛,对Canny算法中的参数进行研究,利用虹膜的外圆,提出了用一个扇形区域来表示眼睫毛遮挡区域.除去眼睫毛遮挡区域与瞳孔,虹膜外圆余下的部分即为虹膜的有效区域.实验结果表明,该方法可以有效地检测眼睫毛,并且所得到的扇形区域包含外圆内部所有的眼睫毛像素,可以有效提高模式的可分性和虹膜的识别率.     

基于边缘识别的虹膜定位算法

为了提高虹膜定位算法的抗干扰能力,本文提出了一种基于虹膜边缘识别的虹膜定位算法.该算法应用图像几何矩函数提取虹膜内外边缘的特征,通过由支持向量机(SVM)训练的分类器进行虹膜边缘点的识别.最后由Hough变换对识别的结果进行参数求解并实现虹膜的定位.本算法经过了CASIA虹膜图形库的实验验证,仿真实验数据表明所提算法不仅具有较快的定位速度和较高的定位成功率,而且性能稳定.     

虹膜识别的身份认证系统

基于虹膜识别的身份认证系统包括3部分:虹膜图像采集,虹膜图像预处理,虹膜图像编码和识别。预处理过程中对虹膜的精确定位,使定位后的虹膜图像具有平移、尺度和旋转的不变性。与现有其他方法相比,该方法将Symlets小波用于虹膜图像编码,使算法的运行速度大大提高,为Daugman方法的8倍, 克服了当前流行算法中计算量过大的问题。     

快速虹膜图像眼睑分割方法

虹膜图像中通常包含了干扰因素的眼睑,为了消除影响识别效果的这种干扰因素,保证较高的识别率,提出一种分段检测算法.先进行圆弧分段拟合和圆弧参数的动态聚类,对聚类所得的圆弧再次拟合,完成上下眼睑的分割.实验表明,与Hough变换和Daugman圆探测法相比,在同等条件下,在速度和精度上具有一定的优势.最后的编码识别实验表明,这种处理方法提高了虹膜识别的模式分类能力和识别的可靠性.     

多特征模糊推理的虹膜识别算法

为了更加完备地描述虹膜的纹理特征,利用虹膜图像灰度信息提取局部特征点、局部纹理方向和局部纹理的亮暗变化三种特征共同构成纹理的特征空间,克服了之前的多数虹膜识别算法提取单一特征易受干扰影响的局限性.然后,通过设计的模糊推理规则进行模式的分类,这种分段线性分类器的设计提高了算法线性分类的能力.分别在两个图库上进行了实验,识别率分别达到99.41%和99.67%,实验数据表明:结合多种特征能较好的反映虹膜的纹理变化特征,提高了虹膜识别的正确率,使算法具有非常优越的识别性能.     

虹膜以及视网膜识别技术现状分析

虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的,虹膜识别技术与相应的算法结合后,可以到达十分优异的准确度,即使全人类的虹膜信息都录入到一个数据中,出现认假和拒假的可能性也相当小,但是这项技术的无法录入问题已经成了它同其它识别技术抗衡的最大障碍.不管怎样,虹膜识别技术的高精度使它能够在众多识别技术中占有一席之地.所有虹膜识别技术都是以John Daugman博士的专利和研究为基础的.     

虹膜纹理的空间频率特性

在虹膜预处理时首先将定位后的虹膜均分8层,然后每层虹膜采用不同的标准分别进行归一化,将虹膜展开为阶梯状,改善了传统归一化造成的图像数据重复或缺漏.利用2DGabor函数的频率选择性,分别在不同的空间频率段上提取虹膜图像特征并进行识别,通过对不同频段上的识别结果进行比较,获得了虹膜纹理的空间频率特性.实验结果表明,在空间频率为0.005～0.04的频段上,能够有效提取可用于识别的虹膜纹理特征,高效率实现虹膜识别;而在低于0.005和高于0.04的频率区间提取的特征主要为图像噪声,无法有效识别虹膜.     

基于SVM的多生物特征融合识别算法

针对单生物特征识别的局限性,提出融合手背静脉和虹膜两种生物特征实现身份识别.基于尺度不变特征变换(SIFT)提取手背静脉的局部SIFT特征并对特征点进行匹配,利用特征匹配率作为手背静脉图像的相似度测度.通过Haar小波变换实现虹膜特征编码,利用加权汉明距对虹膜进行相似度测试.最后基于支持向量机(SVM)实现两种生物特征在匹配层的融合识别.利用CASIA虹膜数据库和TJU手背静脉数据库对算法性能进行测试,其等错率为0.02%,实验结果表明,该融合算法具有很高的识别性能,为生物特征识别研究提供了新思路.     

基于瞳孔灰度特征的快速虹膜定位

虹膜定位算法是虹膜识别的关键步骤之一,定位的速度和准确度是衡量虹膜定位算法优越性的标准.本文根据瞳孔区域独特的灰度特征提出了一种快速虹膜定位算法,即先粗定位瞳孔区域,再利用形态学和几何学方法精确定位瞳孔,最后利用微分积分算子在瞳孔定位后分割的区域内进行外圆定位,对中科院虹膜库Version 1.0中的756幅图像进行定位,准确率达到98.80%,平均定位时间为1.5 s,比直接应用Hough变换定位虹膜在速度上有了很大提高.     

适用于虹膜识别的Gabor滤波器参数选择

Gabor变换实现的难点是Gabor滤波器组的参数选择.本文提出了一种适用于虹膜纹理特征提取的Gabor滤波器组参数选择方法.该方法根据图像分块确定Gabor滤波器的位置因子取值;借助海明距离均值曲线确定滤波器尺度因子;通过建立尺度因子与频率调制因子的关系,最终确定频率因子的取值.实验证明,依据该方法设计的滤波器,能有效提取虹膜纹理特征,得到较高识别准确率达到虹膜识别的目的.     

一种基于人眼结构特征的新颖虹膜定位算法

虹膜定位是虹膜识别系统的重要组成部分,定位的速度以及定位算法的健壮性是需要特别注意的因素.根据对人眼的结构特征进行分析,提出一种新颖虹膜定位算法.利用一种灰度累加算子找到瞳孔内一点,通过边缘检测模板找到虹膜内圆上三个不共线的点,从而快速而准确地定位出虹膜内圆,通过边缘检测模板找到虹膜外圆上四个不共线的点,从而快速定位出虹膜外圆.对已有的756幅虹膜图像组成的虹膜数据库进行定位,本算法只需要1.59min,平均定位时间达到0.126s,准确率达到99.07%.比Hough变换以及Daugman的圆检测算子等经典方法速度上有了很大的提高.而且保证了定位的准确率和算法的鲁棒性.     

改进的基于人眼结构特征的虹膜识别方法

本文提出了一种改进的基于人眼结构特征的虹膜识别方法,基本思想是:首先,通过图像预处理,确定虹膜的位置和大小,将环形虹膜图像展开成矩形并进行归一化与图像增强;其次,利用局部灰度极小值的方法寻找有效虹膜区域内的特征点,依据纹理长度和方向信息去掉伪特征点,得到虹膜二进制编码;最后根据匹配准则进行识别.大量实验表明,该方法识别率高,识别时间短.     

基于形态学算子的睫毛干扰抑制算法

针对虹膜识别中的睫毛干扰抑制问题,本文提出了一种基于形态学算子的睫毛干扰抑制算法.该算法将虹膜图像中的睫毛对象看作是背景图像中存在的随机的,不规则的细微裂缝,通过膨胀算子对这些裂缝进行像素填补,实现了对睫毛干扰的有效抑制.与常见的高斯滤波法相比,所提算法具有更强的睫毛干扰抑制能力.通过CASIA虹膜库的仿真实验表明,所提算法比高斯滤波法消除的睫毛像素点要多40%,可以使Daugman和Wildes定位算法的定位精度分别提高1.7%和2%,定位时间分别减少27.9%和24.2%.     

一种快速虹膜定位算法

针对虹膜内边缘易变形,外边界边缘模糊从而虹膜定位困难等问题,提出了一种快速虹膜定位算法。基于虹膜边缘图像的几何特征,依据偏差平方和定位虹膜内边缘;利用图像灰度曲线得到模糊外边缘的边缘点,根据圆的相交弦性质以及投票策略确定虹膜外边缘的圆心,从而快速定位虹膜外边缘。实验结果表明,该方法提高了虹膜定位的速度以及定位的稳定性,减少了传统虹膜定位算法中搜索的盲目性。