基于特征选择的虹膜识别方法研究的中期报告.docxVIP

基于特征选择的虹膜识别方法研究的中期报告

本研究旨在探究基于特征选择的虹膜识别方法，通过对虹膜图像进行特征提取和选择，从而改善虹膜识别的准确性。中期报告对已完成的工作进行总结，并介绍下一步研究计划。

一、已完成的工作

1.虹膜图像数据集的采集和预处理

我们采用了公开的虹膜图像数据集，包括CASIA、UBIRIS、MMU等，对这些数据进行了预处理，包括去除眼球部分、对比度增强、降噪等，从而提高虹膜图像的质量。

2.特征提取方法的研究

我们研究了多种常见的虹膜特征提取方法，包括Daugman算法、Log-Gabor滤波器、LBP、SIFT、HOG等。通过实验比较，我们发现Log-Gabor滤波器和LBP方法具有较好的性能，能够提取出虹膜图像的纹理特征。

3.特征选择方法的研究

针对虹膜图像的高维问题，我们研究了多种特征选择方法，包括ReliefF、mRMR、Corr、PCA等。通过实验比较，我们发现mRMR方法具有较好的性能，能够从海量的特征中筛选出与分类任务相关的特征。

二、下一步研究计划

1.优化虹膜图像的预处理方法，进一步提高虹膜图像的质量，为特征提取和选择打下更好的基础。

2.探究多源特征融合的方法，将多种特征整合起来，提高虹膜识别的准确性。

3.实验验证我们所提出的基于特征选择的虹膜识别方法，与传统的虹膜识别方法进行比较，从而进一步验证其有效性和性能。