低質(zhì)量虹膜圖像識(shí)別算法的研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展，虹膜識(shí)別已經(jīng)成為應(yīng)用數(shù)學(xué)、模式識(shí)別、圖像處理和信息安全等交叉學(xué)科的熱門研究課題。近年來(lái)，致力于虹膜識(shí)別的研究者越來(lái)越多，但對(duì)低質(zhì)量虹膜圖像（如睫毛和眼瞼遮蓋、遠(yuǎn)距離、運(yùn)動(dòng)模糊、聚焦模糊、偏轉(zhuǎn)、戴眼鏡、光照不好等）的識(shí)別研究較少?，F(xiàn)有的實(shí)際應(yīng)用系統(tǒng)在采集過(guò)程中大多需要被采集者密切配合以采集得到質(zhì)量較好的虹膜圖像，現(xiàn)有大多算法也對(duì)虹膜圖像的質(zhì)量有一定的要求，但在實(shí)際應(yīng)用中圖像的質(zhì)量很難保證。
　　針對(duì)低質(zhì)量虹膜

2、圖像的識(shí)別問(wèn)題，本文對(duì)低質(zhì)量虹膜圖像深入研究，提出了一種基于多方向Gabor和Adaboost的虹膜特征提取與識(shí)別算法，主要工作如下:
　　1.討論了虹膜識(shí)別技術(shù)的原理和發(fā)展現(xiàn)狀，并詳細(xì)闡述了現(xiàn)有的幾種主流虹膜特征提取與識(shí)別算法。
　　2.針對(duì)現(xiàn)有算法對(duì)低質(zhì)量虹膜圖像識(shí)別效果不佳的問(wèn)題，本文結(jié)合虹膜的整體與局部紋理信息，提出了一種新的虹膜特征提取與識(shí)別算法。首先，根據(jù)瞳孔定位準(zhǔn)確與否，將虹膜圖像的歸一化分為兩種情況:按內(nèi)外圓

3、邊界展開(kāi)歸一化和按外圓邊界展開(kāi)歸一化;其次，根據(jù)這兩種歸一化情況采用兩種不同方案對(duì)虹膜進(jìn)行分塊;然后，利用多方向Gabor濾波器分別對(duì)整個(gè)虹膜和分塊虹膜進(jìn)行編碼并產(chǎn)生特征向量;最后，在這兩種情況下分別使用Adaboost算法訓(xùn)練得到識(shí)別性能較好的一些特征用于識(shí)別。此外，除了使用Adaboost分類算法，本文還利用了隨機(jī)森林算法和Fisher線性判別算法進(jìn)行匹配識(shí)別。
　　以Matlab為工具在虹膜數(shù)據(jù)庫(kù)CASIA-IrisV3-L