基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理.基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法.对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类.在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率.实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快.     

基于类卷积神经网络的可见光虹膜识别方法

针对应用于智能移动设备的虹膜识别系统在可见光采集条件下虹膜图像受干扰严重使得识别率正确率降低和算法鲁棒性变差的问题,提出一种类卷积神经网络结合局部特征提取的虹膜识别方法。首先,采用暗通道图像去雾算法对归一化虹膜图像进行增强处理以减弱光干扰;然后,利用类卷积神经网络对图像进行降维,获得虹膜的二值化纹理信息;再经分块处理方法提取降维图像各区域局部虹膜纹理信息以构建特征向量;最后用欧氏距离分类器进行匹配识别。为验证算法性能,采用MICHE-I虹膜图库中由iPhone5拍摄所得的30人240张(每人4张室内和4张室外)虹膜图像进行测试,并与Gabor变换和主成分分析虹膜识别方法进行对比。结果表明,该方法在室内外图像均进行训练的条件下正确率能够达到98.33%,且对室内外不同光照变化干扰有较好的鲁棒性,上述性能皆优于Gabor变换和PCA算法。说明本文算法能够满足移动设备虹膜识别使用要求。     

一种基于小波变换的虹膜识别方法

虹膜上的纹理或结构的差异,是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的识别率,就必须运用虹膜图像的边缘信息.利用二维小波变换,构造出了一种新的虹膜识别方法.该方法的基本思想是对于小波多层分解的低频分量,用一种变形的互相关方法由粗到精地进行匹配,以筛选出少数匹配较好的虹膜图像;然后在第一级小波分解的边缘分量上提取图像边缘,并用一种新的基于边缘特征的距离量度对筛选出的虹膜图像进行最终识别.与国外的虹膜识别方法相比,该方法把全局特征与局部特征很好地结合起来,并且更为有效地利用了虹膜图像的边缘信息.     

基于统计特征中心对称局部二值模式的虹膜识别

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法.首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计.然后,根据统计结果的分布,提取出有效的二值特征图像.最后,用Hamming距离进行虹膜识别.对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955％、99.848％、99.989％、99.916％.实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性.     

空间信息与尺度信息相结合的虹膜识别算法

提出了一种空间信息与尺度信息相结合的虹膜识别算法.将二维小波变换与灰度共生矩阵相结合,由此提取的虹膜特征向量既反映了空间变化的特性也反映了尺度变化的特性.实验结果表明用该方法构造的虹膜识别算法,对比仅用小波变换的方法,可获得较高的识别率.     

虹膜图像处理与识别技术研究

虹膜作为重要的身份鉴别特征,具有唯一性、稳定性、可采集性、非侵犯性等优点。据统计目前虹膜识别的错误率在各种生物特征识别技术中是最低的。本文主要是通过对虹膜图像的预处理,纹理特征提取,编码及匹配达到对虹膜所有者的身份进行验证的目的。虹膜图像的预处理采用基于灰度差以及基于Hough变换的边界提取方法实现;然后用Gabor滤波器对虹膜图像进行纹理分析,提取图像的平均绝对偏差作为特征向量;最后用加权欧氏距离(WED)对虹膜图像进行身份验证。此外,本文还使用BP神经网络的方法对虹膜图像的特征进行分类识别。实验结果表明,这两种识别方法均达到了不错的识别效果。     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

基于Gabor与瑞利分布型滤波器的虹膜识别法

提出了一种基于Gabor与瑞利分布型滤波器的虹膜识别算法,通过对虹膜纹理采用Gabor变换来获取其频谱信息,并对频谱信息进行分析证明了符合瑞利分布,最后使用瑞利分布型滤波器来提取虹膜的特征。实验结果表明,该算法识别率高并可用有效地应用于虹膜身份鉴别系统中。     

基于序列图像提取稳定特征点的虹膜识别算法

为了尽可能降低不稳定特征点对识别率的影响,研究提出了基于序列图像提取稳定特征点的虹膜识别算法.该算法首先用二维Gabor滤波器对序列虹膜图像提取特征编码,然后对该序列特征编码求交集以提取稳定特征点,并利用这些稳定特征点建立虹膜的特征模板库,最后通过计算相似度,获得识别结果.在实验室采集的序列虹膜图库上,当等错率为0.3017%,分类阈值为0.6402时,正确识别率可以达到99.73%.实验证明该算法是有效、可行的,并更好地提高了虹膜的分类精度和改善了虹膜的识别性能.     

基于DSP和ZigBee的虹膜识别系统设计

针对传统虹膜识别系统计算复杂、实时性差等问题,在 Gabor滤波图像的基础上,利用分块图像的幅值均值和相位信息来提取虹膜特征量,并结合k-近邻算法来完成虹膜识别功能,缩短识别时间,提高识别准确度.同时,将识别结果通过ZigBee网络发送至云端服务器,解决了厂区内布线困难问题.实验表明,该识别系统运行稳定,识别速度快.该识别系统已被应用于某安防系统.