基于局部方向特征的虹膜识别算法.pdfVIP

第13卷第5期 电路与系统学报 V01．13No．5 2008年10月 JoURNALoFCIRCUITSANDSYSTEMS october，2008 文章编号：1007-0249(2008)05-0085一05 基于局部方向特征的虹膜识别算法· 姚鹏， 叶学义， 张文聪， 庄镇泉， 李斌 (中国科学技术大学电子科学与技术系，安徽合肥230026) 摘要t特征提取和匹配是虹膜识别中的关键部分。本文描述了一种新颖的虹膜特征提取和匹配方法，利用多方向 的二维奇对称Gabof小波来提取虹膜纹理的局部方向特征。特征匹配采用类似欧氏距离的方法来进行。同时对每一幅 虹膜图像，采用它的眼睑和睫毛以及反光的分布做为匹配模板，能够最大程度的减少它们的干扰。实验结果表明，本 算法具有非常好的识别性能。 关键词。虹膜识别；二维Gabor小波；局部方向特征；特征提取 TP391．4l 中图分类号t 文献标识码·A 1 引言 生物特征识别(Biometrics)是以人体固有的生理和 形态特征作为识别介质，从而达到唯一识别个体人的新 兴研究学科。虹膜，作为重要的身份鉴别特征，具有唯 一性、稳定性、可采集性、非侵犯性等优点【l】。 一个典型的虹膜识别系统包括虹膜图像采集、虹膜 定位与归一化、特征提取、特征匹配等环节。本文中将 整个虹膜区域归一化成512×64的矩形，但考虑到虹膜的 外缘容易受到眼睑和睫毛的干扰，而舍弃掉外缘的一部 图l虹膜图像的预处理过程 分，只取靠近瞳孔的48个像素，最后归一化成512×48的 矩形。为了进一步消除眼睑、睫毛和光斑等对特征匹配的影响，需要检测它们的位置。图1显示了虹膜 定位、归一化以及眼睑、睫毛和反光检测的结果，具体方法可以参阅文献[2～5】。 距的方法进行特征匹配【23】。Wildes采用拉普拉斯金字塔分解算法对整个虹膜图像进行4级处理来提取 特征，然后计算经过处理后的两幅虹膜图像的归一化相关系数，再通过Fisher线形变换来判别是否匹 波寻找虹膜图像中那些灰度值变化显著的点，来表征虹膜图像中小斑块的边缘位置，并把这些位置做 为特征，然后采用汉明距的方法来匹配【7】。Sun等人先求虹膜图像的梯度矢量场，然后将整个虹膜图 像划分成2560小块，求每小块的主梯度方向做为特征，然后采用类似汉明距的方法进行匹配【8】。叶学 义等人采用一维Gaussian复小波来提取虹膜纹理特征，采用二次编码来进行匹配【51。 从图像纹理分析的观点来看，虹膜的空间模式主要由局部的频率信息和方向信息来表征。在上述 虹膜识别算法中，绝大多数采用频率信息来表征虹膜特征。sun等人采用梯度方向信息来表征虹膜特 征【8】，同样取得了非常不错的效果。这证明了局部方向信息也能有效的表征虹膜特征。 二维Gabor小波具有很好的方向选择性，因此本文提出了一种新颖的虹膜识别方法，利用二维奇对 称Gabor小波来提取虹膜纹理的局部方向信息。本文余下章节如下安排：第2节详细介绍提出的新的虹 膜特征提取和匹配算法；第3节介绍与Daugman算法比较的实验结果；最后给出结论。 2005-09—30 +收藕日期t 修订日期：2006一04一05 基金项目；国家自然科学基金资助项目；安徽省人才开发资金资助项目 电路与系统学报 第13卷 2 特征提取与匹配 2．1 二维Gabor小波简介 二维Gabor复小波具有能够很好的模拟人的大脑视觉皮层细胞对图像激励的响应特性…01，能够同 时提供最佳的时域和频域分辩率‘11，坦】，具有很强的频率和方向选择性等优点，因此被广泛的应用于各 01。 种图像处理。它最早由Daugman博士提出【9，l 二维Gabor复小波的公式如下： 如∽=去唧H若+刳+2枷。] ㈩