虹膜识别的预处理算法研究

论文摘要

虹膜因其独特的生理特性在生物特征识别中备受关注。如何又快又准的实现虹膜自动化实时判识仍是目前虹膜识别过程中所面临的一大难题。建立虹膜预处理评估模型为解决这一难题提供了可能和依据。现有虹膜图像预处理算法大都基于序列图像研究的,从不同程度上增加了时间开销,不利于虹膜识别系统的实时处理。有鉴于此,本文在前人研究的基础上,仔细分析和研究了图像在空域和频域的特征,建立了步进式实时虹膜预处理评估模型。其工作主要包括如下几个方面:1).图像质量评估,根据虹膜空域灰度信息和时频的相关信息,分析影响虹膜图像质量的各个因素,并针对各个影响因素提出相关判断准则和标准;对眼睑的定位采取最小二乘法原理进行抛物线拟合,大大提高了眼睑拟合的时间;对清晰度的判断提出了基于分数阶拉普拉斯算子的局部锐化度的方法,提高了对图像清晰度判断的准确性;解决了传统算法基于虹膜内外边界准确定位的基础上才能进行质量评估的问题。2).虹膜定位,使虹膜定位算法和质量评估算法有效结合,采取分区域的感兴趣区域操作,采用内间方差的方法获取瞳孔的二值化阈值,消除了对图像直方图依赖带来的误差;利用梯度信息实现对虹膜外边界的定位;最后采用曲线拟合实现对虹膜内外边界的位置确定,避免了反复迭代运算,大大节约了图像预处理时间。3).建立实时虹膜预处理评估模型,对现有虹膜预处理算法进行相关分析的基础上,分步骤分析影响虹膜图像质量的各个因素,实时判断和评估图像质量,有效缩短图像处理时间;最后,建立了基于PC平台的虹膜图像实时预处理模型。通过大量仿真实验测试和一些应用表明,本文提出的算法具有很好的可行性和良好的鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 生物识别技术简介
• 1.1.1 生物识别技术的发展
• 1.1.2 生物识别技术的原理
• 1.1.3 几种生物识别技术比较
• 1.1.3.1 虹膜识别技术
• 1.1.3.2 指纹识别技术
• 1.1.3.3 视网膜识别技术
• 1.1.3.4 面部识别技术
• 1.1.3.5 语音识别技术
• 1.2 虹膜识别技术简介
• 1.2.1 虹膜识别技术的发展
• 1.2.2 虹膜识别技术的原理
• 1.3 本论文所完成的工作
• 1.3.1 课题来源与研究意义
• 1.3.2 研究内容
• 1.3.3 本文创新
• 1.3.4 章节安排
• 第二章 虹膜识别系统的介绍
• 2.1 虹膜识别的理论基础
• 2.1.1 图像处理
• 2.1.2 模式识别
• 2.2 现有的虹膜识别系统的研究比较
• 2.2.1 Daugman 的虹膜识别系统
• 2.2.2 Wilders 的虹膜识别系统
• 2.2.3 中科院的虹膜识别系统
• 2.3 本课题的虹膜识别系统介绍
• 2.3.1 硬件实现部分
• 2.3.2 软件实现部分
• 2.4 小结
• 第三章 虹膜图像质量评估的算法研究
• 3.1 图像质量评价的理论
• 3.1.1 质量评价方法简介
• 3.1.2 基于人眼视觉特性的质量评价方法
• 3.2 现有虹膜图像质量评价方法及分析
• 3.2.1 频域分析法
• 3.2.2 小波分析法
• 3.2.3 空域分析法
• 3.3 虹膜质量评价算法研究
• 3.3.1 基于空域灰度特征的图像质量评估
• 3.3.1.1 明亮度判断
• 3.3.1.2 清晰度判断
• 3.3.1.3 眼球动态性评估
• 3.3.1.4 噪声的判断
• 3.3.2 基于小波变换的图像质量评估
• 3.3.2.1 图像的小波分解
• 3.3.2.2 小波分解的系数特性
• 3.3.2.3 小波分解的高频系数判断睫毛遮挡
• 3.3.3 实验分析
• 3.3.3.1 实验样本
• 3.3.3.2 实验结果分析
• 3.3.3.3 结论
• 3.4 小结
• 第四章 虹膜定位的算法研究
• 4.1 相关方法研究分析
• 4.1.1 Daugman 的定位算法
• 4.1.2 Wilders 的定位算法
• 4.1.3 王蕴红等的算法
• 4.1.4 其它的算法
• 4.2 虹膜定位
• 4.2.1 内边界定位
• 4.2.2 外边界定位
• 4.3 实验结果与分析
• 4.3.1 实验样本
• 4.3.1.1 高质量的图像样本
• 4.3.1.2 一般质量的图像样本
• 4.3.2 实验结果
• 4.3.3 实验分析
• 4.4 小结
• 第五章 实时虹膜图像预处理算法的实现及分析
• 5.1 算法原理和步骤
• 5.2 算法的实现及分析
• 5.2.1 算法准则
• 5.2.2 实验结果
• 5.2.3 实验分析
• 5.2.3.1 不同对象的实验分析
• 5.2.3.2 同一对象的实验分析
• 5.3 结论
• 5.3.1 实验对象
• 5.3.2 实验结论
• 5.4 小结
• 第六章 工作总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间取得的研究成果