基于小波變換和奇異值分解的虹膜識別算法研究.pdf

1、隨著信息技術的飛速發(fā)展，信息安全已成為當今重要的研究課題之一。目前，傳統(tǒng)的安全技術已經不能滿足當前的要求，于是人們把目光轉向生物識別領域。虹膜識別是一種新興的生物識別技術，由于其具有唯一性、穩(wěn)定性、可采集性、非侵犯性等優(yōu)點而逐步受到人們的重視。虹膜由于其特殊結構，與臉像、指紋、掌紋、聲音等生物身份鑒別方法相比，具有更高的準確性。近些年來虹膜識別技術在研究和應用方面都得到了長足的發(fā)展，并表現(xiàn)出了廣闊的前景和市場。 本文討論了一種新

2、的基于小波變換和奇異值分解相結合的虹膜識別算法。首先，針對已有虹膜定位算法耗時較長和準確率不高等問題，提出一種新的虹膜定位算法：對于虹膜內邊界，根據虹膜灰度分布特點，利用灰度平均值法找到瞳孔內初始定位點，并通過邊緣檢測模板來搜索瞳孔的邊界點，同時，引入C-均值動態(tài)聚類分析法提高定位精度；對于虹膜外邊界，采用由粗到精兩步定位的方法。在粗定位確定的虹膜大致范圍內，并由虹膜特性分析，采用改進型Daugman微積分算子進行精定位，使用改進的一維

3、參數(shù)空間搜索，避免了以往算法在搜索邊界時的反復迭代，在保證精確度的前提下，大大提高了定位速度。 其次，提出了一種新的基于小波變換和奇異值分解的虹膜紋理特征提取方法。虹膜紋理分布內側紋理比較密集，外側紋理較稀疏。根據虹膜紋理分布的特征，將內半圓虹膜圖像分成8個圖像子塊，對每個子塊進行三層Bior1.5小波變換提取其中的5個子帶并對每個子帶奇異值分解降維融合構成最終的虹膜特征向量。 最后，在虹膜特征匹配上，給出了改進的加權自