非理想情況下的虹膜識(shí)別算法研究.pdf

1、　　身份安全問題是現(xiàn)代社會(huì)的一個(gè)重要話題,傳統(tǒng)的身份識(shí)別手段己跟不上現(xiàn)代社會(huì)的步伐,新興的生物特征識(shí)別技術(shù)依靠其獨(dú)特的優(yōu)勢越來越受到廣大使用者的歡迎。在眾多生物特征識(shí)別技術(shù)中,虹膜識(shí)別的唯一性和穩(wěn)定性都很好,而且不易被改變,易于進(jìn)行活體檢驗(yàn),十分適用于身份識(shí)別。虹膜識(shí)別系統(tǒng)不但要識(shí)別率高,更要高效迅速,很難有一種虹膜識(shí)別算法能同時(shí)滿足這兩個(gè)要求。因此,本論文對虹膜識(shí)別技術(shù)進(jìn)行了深入研究,旨在提高整個(gè)虹膜識(shí)別系統(tǒng)的性能。
　　本

2、論文主要研究基于非理想虹膜圖像的生物特征識(shí)別算法。針對強(qiáng)光斑情況下的虹膜圖像,本論文提出結(jié)合2D Gabor濾波器與形態(tài)學(xué)技術(shù)檢測瞳孔區(qū)域的光斑,并以光斑像素點(diǎn)為中心的矩形區(qū)域內(nèi)的像素灰度均值對每一個(gè)可能的光斑進(jìn)行選擇性填充,最后在填充后的圖像基礎(chǔ)上,引入同時(shí)結(jié)合幾何信息與灰度信息的定位質(zhì)量評(píng)價(jià)指標(biāo),進(jìn)一步提高了之前瞳孔定位的準(zhǔn)確性。CASIA v3.0 虹膜圖庫中這種方法取得了很好的效果。
　　在檢測眼皮與睫毛時(shí),本論文首先

3、選取了一個(gè)固定的眼皮與睫毛檢測模型,再在上下眼皮區(qū)域分別左右移動(dòng)這個(gè)模型以達(dá)到覆蓋上下眼皮區(qū)域的最佳效果,從而實(shí)現(xiàn)對上下眼皮和睫毛的自動(dòng)檢測。
　　利用對虹膜定位的精確度不敏感的SIFT算法來提取虹膜特征,SIFT描述的是圖像的局部特征,對圖像的旋轉(zhuǎn)、尺度變化和光照變化具有不變性,同時(shí)對視角變化、仿射變換和噪聲也有一定的穩(wěn)定性,是性能較好的局部特征描述子之一。
　　將Adaboost算法引入到遠(yuǎn)距離虹膜定位中,首先將