虹膜识别特征提取与鉴别.pptxVIP

摘 要 摘 要 随着信息社会的快速发展，对安全的需求也日益增长。虹膜识别技术作 为一种身份识别，以其很高的可靠性得到人们的重视。虹膜识别系统核心一 般由图像采集、虹膜定位、归一化、特征提取及编码和训练识别五部分构成。 本文介绍了目前虹膜识别的现状，简单阐述了一些经典的虹膜识别算法和技 术，并完成识别系统。 在虹膜的定位阶段，首先对图像进行缩放，在不影响后续处理的情况下 减小了处理的数据量，然后采用梯度加权的 Canny 算法进行边缘检测，再 对边缘图像，采???圆 Hough 定位方法，分别定位了虹膜的内外边界。接着 采用 Radon 变换检测直线的方法分割上下眼睑，阈值法除去睫毛干扰。同 时也研究了一些文献中分割眼睑和睫毛的方法。 归一化阶段，采用了文献中普遍使用的“Rubber-Sheet”模型，将虹膜 归一化为64?512 大小的矩形，以利于特征比对。 在虹膜的特征提取及编码阶段，基于信号处理中的空间/频域技术，采 用一维Log Gabor 滤波器提取虹膜的纹理信息，对滤波结果的实部和虚部分 别进行相位量化和编码，同时也对噪声进行处理，获得相应的掩码。 训练识别阶段，采用海明距离度量虹膜之间的相似度，选取最小距离分 类器和具有最小错误率的分类阈值形成组合的分类决策规则。整个识别系统 主要在中科院V3.0 虹膜数据库上进行了测试。 关键词：虹膜识别；虹膜定位；圆Hough 变换；Log Gabor 小波;ABSTRACT;- 1 -;- 2 -;- 1 -;- 2 -;第一章 绪论;第一章 绪论 识别就是利用虹膜组织上这些丰富的纹理信息，作为重要的身份识别特征。 ;- 5 -;第一章 绪论;第一章 绪论 差为? 的高斯算子，起平滑滤波的作用； (r, x0 , y0 ) 是虹膜外边缘的参数(半 径及圆心)。算子在以圆心(x, y) ，半径为r 的圆周ds 上，对像素灰度值做积 分并把它归一化，再求差分的极大值，从而得到圆的参数。 然后， 将虹膜区域视为各向同性的弹性体进行归一化， 这就是 “Rubber-Sheet”模型，其结果是将环形的虹膜纹理区域“均匀拉伸”到统 一大小的矩形区域中。 另外，Daugman 设计了二维Gabor 滤波器对虹膜纹理进行特征提取，滤 波器表示如下： ;第一章 绪论;第一章 绪论;- 10 -;- 11 -;第二章 虹膜图像预处理 可以消除原始图像的高频噪声。Canny 算法首先用二维高斯函数的一阶导数， 对图像进行平滑，设二维高斯函数为： ;第二章 虹膜图像预处理 为了精确定位边缘，必须细化梯度幅值图像M ?i, j? 中的屋脊带，只保留 幅值局部变化最大的点，这一过程就是非极大值抑制。如图 2-1。 在非极大值抑制过程中，Canny 算法使用3? 3 大小、包含 8 个方向的邻 域对梯度幅值阵列 M ?i, j? 的所有像素沿梯度方向进行梯度幅值的插值。在每 一个点上，邻域的中心像素m?i, j? 与沿梯度方向的 2 个梯度幅值的插值结果 进行比较， F ?i, j? 是像素邻域中心处沿着梯度方向的扇形区域，非极大值抑 制在此区域进行。如果邻域中心点的幅值m?i, j? 不比梯度方向上的 2 个插值 结果大，则将m?i, j? 对应的边缘标志位赋值为 0，这一过程把M ?i, j? 宽屋脊 带细化为一个像素宽，并且保留了屋脊的梯度幅值。非极大值抑制 (Non-Maxima Suppression,NMS)过程的数学表示为： ;- 14 -;第二章 虹膜图像预处理 边界的影响，可以在进行边缘检测时重点检测有用的边缘，在保留足够的虹 膜边界信息的同时尽量削弱其它边界的影响。注意到上下眼睑边界仅限于水 平方向，在计算梯度幅值时对水平方向偏导值赋以较大的权重，而对竖直方 向偏导值赋以较小的权重，从而削弱水平方向上的边界。 (1)本文在定位虹膜外边界时，按照这一思想对 Canny 算子进行了改进， 在计算梯度时只计算水平方向上的梯度，以避免过多地检测出眼睑边缘。即： X 方向偏导数： ;第二章 虹膜图像预处理;- 17 -;第二章 虹膜图像预处理;- 19 -;;- 21 -;第二章 虹膜图像预处理;- 23 -;- 24 -;第三章 虹膜图像归一化及特征提取 信息。对于分辨率不同的图像进行比对首先要统一分辨率，由于高分辨图像 中同时包含着低分辨信息，但是低分辨图像无法获得高分辨信息，所以本章 用极坐标对虹膜区域进行规范化，规范化区域的大小根据大尺度特征不变的 思想，利用虹膜纹理的发散状分布以及邻近点的相关性，将虹膜区域统一用 低分辨率表示，从而实现不同大小虹膜的特征点数统一。 3.2 虹膜的 Rubber-She