基于自组特征映射神经网络的虹膜识别算法研究

虹膜识别是一种非侵犯性的身份鉴别技术。本文讨论了虹膜图像定位、归一化和增强等预处理方法,并提出了一种基于神经元网络的虹膜图像识别算法,它是对提取的归一化矩形虹膜纹理数据用训练的自组织特征映射(SOM)神经网络进行虹膜模式识别。实验表明,该方法识别正确率高,效果良好。     

一种新的基于特征选择的虹膜识别方法

为了提高虹膜识别的准确率,提出了一种新的基于特征选择的虹膜识别方法。在虹膜的定位上采用了弹性模板的方法,对虹膜图像进行有效定位。针对虹膜图像的纹理分布特点,采用了多尺度Gabor滤波器对虹膜的不同纹理区域进行有针对性的特征提取;然后利用遗传算法和粒子群优化算法进行特征选择,去除特征向量中的冗余信息;最后利用SVM分类模型进行虹膜的识别。为了检验方法的有效性,在CASIA虹膜数据库上进行验证,实验结果表明该方法具有较高的识别精准度。     

一种新的虹膜图像配准算法*

提出了新的虹膜配准算法。该算法以虹膜外边界为基准,对虹膜图像的平移和伸缩进行校正。在较好保持虹膜纹理特征分布的前提下,快速有效地得到了虹膜的矩形展开。仿真实验证明,使用该算法预处理虹膜图像,可以获得较好的分类效果。算法为虹膜识别及相关研究提供了新思路。     

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。     

人眼虹膜图像检测与提取方法

关于虹膜优化检测问题,由于人眼图像中存在眼睑、瞳孔等无关区域,形成的躁声信息严重影响识别精度,针对难以提取准确虹膜图像,提出了一种高效的利用面积分微分算子的直接虹膜提取方法,采用John Daugman积分微分算子进行边界检测.首先以虹膜图像灰度直方图为基础,通过灰度投影定位虹膜内边缘,然后利用积分微分算子确定虹膜左右外边界.最后,利用面积分微分算子求解最恰当的虹膜上下边界.识别过程中,利用Gabor小波提取虹膜图像特征,通过比对虹膜特征来识别虹膜.试验结果表明,改进方法可以有效地实现虹膜识别准确性.     

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。     

虹膜在身份识别中的应用研究

研究优化识别人身份的稳定可靠性问题,虹膜识别是最近新兴的生物识别方法,具有算法简单、识别快速和高识别率的特点.为改变以往传统方式的不稳定性,提出的基于虹膜的身份识别算法,在虹膜图像的预处理过程中,首先采用粗定位与精定位相结合的方法对瞳孔中心和半径进行定位,虹膜内边界采用二值化方法进行定位;虹膜外边界采用非共线的3点确定1个圆的原理进行粗定位,避免了虹膜定位搜索的盲目性,减少了计算时间和降低定位复杂性.然后通过利用Hough变换对虹膜进行精定位并采用Gabor滤波进行虹膜特征提取,最后采用海明码距离进行虹膜匹配.仿真结果表明,与其它身份识算法相较,识别正确率最高,识别速度最快,计算复杂度最小.     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

一种基于圆几何特征的虹膜定位算法

虹膜定位是虹膜识别中基础性环节,其精度和速度决定了虹膜识别系统的性能,为提高虹膜定位的速度,提出一种基于圆几何特征的虹膜内边缘定位算法,利用内外边缘中心的耦合特性缩小微积分方法搜索外边缘的范围。试验结果表明,与经典虹膜定位算法相比,本算法快速、精确、鲁棒。     

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。