1、模糊虹膜图像纹理特征提取与识别方法研究【摘要】 虹膜识别是生物特征身份鉴别技术的研究方向之一,与其他生物特征比较起来,虹膜具有非侵犯性、稳定性、高可靠性、伪造的渺茫性等优点,在信息安全领域具有巨大的应用价值。引起了国内外研究机构和企业的兴趣,并投入大量的人力、物力和财力去研究和实现这一生物特征鉴别技术,到目前为止,该项技术已经应用到银行、海关等一些安全领域。本文从国内和国外对比角度分析虹膜的研究现状,找出国内和国外在研究虹膜领域之间的差距和现行系统的不足,有利于对现有虹膜识别系统的进一步改进,为研究一种速度快,识别率高,对客户限制条件少的国产虹膜识别系统打下基础。为了进一步扩大采集系统的景深范
2、围,目的是处于不同位置的更多虹膜图像适用于虹膜识别系统,实质上就是为了方便用户的使用。本文重点研究偏离景深范围的虹膜图像在识别系统中的应用,用两种不同的特征提取方法来寻找稳定特征点,一种方法是基于纹理稳定特征点的虹膜识别算法,另一种方法是基于序列图像提取稳定特征点的虹膜识别算法。两种算法的核心思想就是从变化的图像中提取不变的特征,把处于不同位置的多幅虹膜图像用相与的方法提取稳定特征点,那些不变的特征即为稳定特征,发生变化的特征即为不稳定特征,只. 更多还原【Abstract】 Iris recognition system is one of research directions of bi
3、ometric technology. Compared with other biometric technology, iris has the advantage of unique, stability, easy-collected and non-invasive, iris recognition system has been used in customs and some high-security fields.This paper analyzes and compares iris research status at home and broad, at the s
4、ame time, it finds out the gap which iris images are researched between domestic and overseas and the shortcomings of the existing system. In. 更多还原 【关键词】 生物特征识别； 离焦模糊； 虹膜识别； 稳定特征点；【Key words】 Biometric Feature Identification； Defocus and Blur； Iris Recognition； Stable Points； 【索购论文全文】 138113721 1399
5、38848 即付即发目录摘要 5-6 Abstract 6-7 第一章 绪论 10-16 1.1 虹膜识别的研究意义 10 1.2 虹膜识别简介 10-14 1.2.1 虹膜结构与特点剖析 11-12 1.2.2 虹膜识别的研究现状 12-13 1.2.3 虹膜识别目前存在的问题 13-14 1.3 本文的主要研究内容 14-15 1.4 论文结构 15-16 第二章 虹膜识别系统的简介 16-21 2.1 虹膜识别系统简介 16-17 2.2 虹膜图像采集及虹膜数据库 17-19 2.3 虹膜图像预处理 19-20 2.4 虹膜图像特征提取及匹配 20 2.5 本章小结 20-21 第三章
6、离焦模糊虹膜图像的简介 21-28 3.1 虹膜图像产生离焦模糊的原因 21-22 3.2 虹膜图像产生离焦模糊的退化模型 22-23 3.3 离焦成像对虹膜识别的影响 23-25 3.4 模糊虹膜图像与清晰虹膜图像纹理对比分析 25-27 3.5 本章小结 27-28 第四章 基于纹理稳定特征点的虹膜识别算法 28-39 4.1 问题描述 28-29 4.2 算法过程 29-34 4.2.1 虹膜图像预处理 29-30 4.2.2 虹膜纹理特征点的提取算法 30-32 4.2.3 虹膜纹理稳定特征点的选择算法 32-34 4.2.4 基于稳定特征点的模式分类 34 4.3 实验结果与分析 3
7、4-38 4.3.1 实验的软硬件条件 34-35 4.3.2 相关参数的选取实验 35 4.3.3 对训练集虹膜的实验 35-36 4.3.4 虹膜识别实验 36-37 4.3.5 算法比较 37-38 4.4 本章小结 38-39 第五章 基于序列图像提取稳定特征点的虹膜识别算法 39-54 5.1 问题描述 39 5.2 算法过程 39-46 5.2.1 2D-Gabor 滤波器算法的进一步改进 39-41 5.2.2 虹膜纹理稳定特征点提取算法 41-43 5.2.3 虹膜图像稳定特征点的选择算法 43-45 5.2.4 虹膜图像纹理稳定特征点的模式分类 45-46 5.3 实验结果与分析 46-53 5.3.1 实验数据来源 46 5.3.2 相关参数选取实验 46-49 5.3.3 对训练集虹膜的实验 49 5.3.4 虹膜识别实验 49-52 5.3.5 算法比较 52-53 5.4 本章小结 53-54 第六章 虹膜识别系统的实现 54-60 6.1 虹膜识别系统的基本组成部分 54-55 6.2 虹膜识别系统的实现部分 55-59 6.2.1 虹膜图像采集 55-56 6.2.2 虹膜识别系统操作实验平台的搭建 56-59 6.3 本章小结 59-60 第七章 结论与展望 60-62 参考文献
