虹膜定位及識別算法的研究與改進.pdf

1、虹膜識別與其他生物特征識別相比，具有很多的優(yōu)點。通過虹膜識別技術(shù)進行判別，逐漸得到了學術(shù)界和企業(yè)界的廣泛關(guān)注，其算法的研究和改進成為新一代生物模式識別中的熱點。虹膜系統(tǒng)中的定位算法和特征點提取匹配部分的算法是本論文研究和討論的重點。
　　在虹膜的定位問題方面，目前常使用的算法有 Daugman算法，Wildes算法和中科院王蘊紅和譚鐵牛院士等提出的虹膜定位算法。每種算法都具有其優(yōu)勢但也存在一些能改進的方面。本文采用的方法是基于傳統(tǒng)

2、的水平集模型展開，對其的第一個改進在于選擇初始水平集的方式，本文提出在選擇初始水平集時用hough方法產(chǎn)生，看似麻煩了，但可大大減少算法的迭代次數(shù)，并一定程度上減少光線對定位結(jié)果的影響。第二個改進在于引入了干擾因素的加權(quán)因子在其迭代的方程中，這樣做的好處在于可以對睫毛和眼皮等干擾因素做出預判和剔除。
　　在特征提取和匹配方面，本文采用的是SURF算法，而不是傳統(tǒng)的特征點提取算法，利用該算法對特征點可進行快速提取。與SIFT相比其速

3、度快約3倍，而對光也不敏感，在一定程度上減少了光線對虹膜圖像特征提取的影響。再者本文在匹配時采用子區(qū)域分割加權(quán)融合。并在區(qū)域權(quán)值分配的問題上采用 PSO加速訓練方法，使得權(quán)重的分配更為合理。采用區(qū)域分割加權(quán)的方法可以更加充分的利用虹膜的特征點分布的位置特性。
　　對于以上提出的兩種改進本論文通過相應的實驗與目前常用的虹膜定位和識別算法進行對比，發(fā)現(xiàn)采用本論文提出的方法在定位效果方面較之前的方法更為理想，在特征點匹配方面其準確度，魯