小波变换在虹膜识别中的应用

论文摘要

随着社会的发展,人类的安全意识越来越高,身份识别技术成为了前沿科学技术关注的热点。而利用人体的生理特征具有的普遍性（universality）、区分性（distinctiveness）、持久性（permanence）、可采集性（collectability）等特征来进行身份识别,已成为当前从事身份识别研究的科研机构研究的重点。本文来于“基于视觉感知与认知机理的多模式人物特征身份认证新方法与技术（项目号:2007AA01Z423）”项目中的虹膜识别技术研究的成果。虹膜识别技术与其它生物识别技术相比具有识别精度高、非侵犯性、不易伪造等优势。根据虹膜几何和生理特点,本文进行了虹膜图像分割和特征提取的创新和探索性研究。虹膜图像采集后进行预处理是虹膜识别系统的基础和关键,预处理的好坏直接影响着以后的特征的提取过程和匹配过程。针对一些传统的预处理方法计算量大、内存开销大、搜索时间长等问题,本文提出了一种基于灰度曲线和改进的Hough变换的预处理方法,该方法实现简单,内存空间开销小。同时利用CASIA虹膜图像数据库,在Matlab实验平台下实现了虹膜图像预处理实验,取得了良好的效果。虹膜具有丰富的纹理特征,虹膜纹理特征的表示和提取是异常复杂的,也是虹膜识别技术的关键点和难点之一。由于小波分析“自适应性”和“数学显微镜特征,是当前国际上公认的最好的时频分析工具。本文在虹膜的识别过程中采用了小波变换方法对虹膜的纹理特征提取,系统地介绍了小波变换的性质,高维小波和多分辨分析,小波变换过零点提取虹膜特征、树型小波变换虹膜特征值的提取、二维小波变换提取虹膜特征方法进行系统的介绍和实验。在模式匹配阶段,我们利用Matlab语言进行了仿真实验,提出了改进Daubechies-4小波二维小波变换提取虹膜特征方法,并进行实验,取得了一些好的阶段成果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景、目的和意义
• 1.2 虹膜识别的基本原理
• 1.2.1 虹膜的物理结构
• 1.2.2 虹膜的获取
• 1.2.3 预处理
• 1.2.4 特征提取
• 1.2.5 虹膜图像匹配
• 1.3 国内外研究现状
• 1.3.1 国外研究情况
• 1.3.2 国内研究情况
• 1.4 虹膜识别的研究难点
• 1.5 论文的主要研究内容及结构组织
• 第二章 小波变换的性质分析
• 2.1 小波分析发展回顾与展望
• 2.1.1 小波分析发展简史
• 2.1.2 小波分析的应用发展现状与展望
• 2.2 小波分析基础
• 2.2.1 Fourier 变换与短时Fourier 变换
• 2.2.2 什么是小波
• 2.3 一维小波变换
• 2.3.1 一维连续小波变化
• 2.3.2 时—频局部化
• 2.3.3 一维离散小波变化
• 2.4 高维小波变换
• 2.4.1 二维小波变换
• 2.4.2 三维小波变换
• 2.5 多分辨分析与Mallat 算法
• 2.5.1 多分辨分析
• 2.5.2 Mallat 算法
• 2.6 本章小结
• 第三章 虹膜图像的预处理
• 3.1 虹膜的表现形式
• 3.2 虹膜图像提取
• 3.2.1 内缘提取算法
• 3.2.2 外边缘定位
• 3.3 Canny 算法分析
• 3.3.1 Canny 算法简介
• 3.3.2 Canny 算法
• 3.3.3 改进型Canny 算子
• 3.4 Hough 算法分析
• 3.4.1 Hough 算法简介
• 3.4.2 直线Hough 变换
• 3.4.3 圆Hough 变换
• 3.4.4 圆Hough 算法的改进算法
• 3.5 基于边缘提取算法的实现
• 3.5.1 实现平台-MATLAB
• 3.5.2 Canny 算法的实现
• 3.5.3 Hough 算法的实现
• 3.5.4 虹膜定位的测试
• 3.6 归一化和增强
• 3.6.1 虹膜图像归一化
• 3.6.2 虹膜图像增强
• 3.7 本章小结
• 第四章 小波变换在虹膜识别中的应用
• 4.1 小波变换过零点提取虹膜特征
• 4.1.1 选取母小波
• 4.1.2 构建过零表达试
• 4.2 树形小波变换虹膜特征提取
• 4.2.1 树型小波变换原理
• 4.2.2 虹膜图像树型小波变换特征
• 4.3 二维小波变换提取虹膜特征
• 4.3.1 虹膜图像的再分割
• 4.3.2 小波函数选取
• 4.3.3 特征值的提取
• 4.4 模式匹配
• 4.4.1 基本原理
• 4.4.2 相似性测度
• 4.5 实验与结果
• 4.6 本章小结
• 第五章 结论
• 致谢
• 参考文献
• 硕士期间的主要工作