低質(zhì)量虹膜圖像識別算法的研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展，虹膜識別已經(jīng)成為應(yīng)用數(shù)學、模式識別、圖像處理和信息安全等交叉學科的熱門研究課題。近年來，致力于虹膜識別的研究者越來越多，但對低質(zhì)量虹膜圖像（如睫毛和眼瞼遮蓋、遠距離、運動模糊、聚焦模糊、偏轉(zhuǎn)、戴眼鏡、光照不好等）的識別研究較少?，F(xiàn)有的實際應(yīng)用系統(tǒng)在采集過程中大多需要被采集者密切配合以采集得到質(zhì)量較好的虹膜圖像，現(xiàn)有大多算法也對虹膜圖像的質(zhì)量有一定的要求，但在實際應(yīng)用中圖像的質(zhì)量很難保證。
　　針對低質(zhì)量虹膜

2、圖像的識別問題，本文對低質(zhì)量虹膜圖像深入研究，提出了一種基于多方向Gabor和Adaboost的虹膜特征提取與識別算法，主要工作如下:
　　1.討論了虹膜識別技術(shù)的原理和發(fā)展現(xiàn)狀，并詳細闡述了現(xiàn)有的幾種主流虹膜特征提取與識別算法。
　　2.針對現(xiàn)有算法對低質(zhì)量虹膜圖像識別效果不佳的問題，本文結(jié)合虹膜的整體與局部紋理信息，提出了一種新的虹膜特征提取與識別算法。首先，根據(jù)瞳孔定位準確與否，將虹膜圖像的歸一化分為兩種情況:按內(nèi)外圓

3、邊界展開歸一化和按外圓邊界展開歸一化;其次，根據(jù)這兩種歸一化情況采用兩種不同方案對虹膜進行分塊;然后，利用多方向Gabor濾波器分別對整個虹膜和分塊虹膜進行編碼并產(chǎn)生特征向量;最后，在這兩種情況下分別使用Adaboost算法訓(xùn)練得到識別性能較好的一些特征用于識別。此外，除了使用Adaboost分類算法，本文還利用了隨機森林算法和Fisher線性判別算法進行匹配識別。
　　以Matlab為工具在虹膜數(shù)據(jù)庫CASIA-IrisV3-L