基于小波变换的虹膜识别算法研究

《基于小波变换的虹膜识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、沈阳化工学院硕士学位沦文摘要摘要基于虹膜的生物特征识别是一种较新的身份识别技术，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份识别。由于具有广阔的市场应用前景，虹膜识别成为生物特征识别中的一个研究热点。本论文完成了虹膜识别算法的设计，包括虹膜图像的预处理、虹膜的特征提取和虹膜的匹配三个部分，主要工作有：(1)提出两种虹膜定位方法，即二值化与灰度梯度相结合的方法和边缘检测与改进的Hough变换相结合的方法。这两种定位方法速度快，定位精度高，有一定的实用价值。(2)在虹膜的特征提取时，研究了

2、Boles的基于一维小波变换过零点的虹膜识别方法和谭铁牛等基于二维小波变换的识别方法，比较出各算法的优缺点。基于这两种算法提出了改进的识别算法，该算法提取了虹膜纹理的全局与局部特征，由此构造的虹膜特征表达式，能更好的表现虹膜的纹理特征。(3)因为在图像的高频区域包含的都是图像的细节，纹理的大部分重要信息都在高频区域，所以小波分解的高频带系数，包含了大部分的虹膜纹理信息，由此本文还提出一种用小波分解的高频信息组成虹膜特征向量的特征提取方法，该方法计算简单，识别率高。(4)虹膜的纹理特性不仅表现在尺度的变化上，而且也反映在空间的相互关系

3、上，以上两种特征提取方法只利用了虹膜的尺度信息而没有利用空间信息。基于这样的思想，本文将二维小波变换的方法与灰度共生矩阵的方法相结合，由此提取的虹膜特征向量既反映了空间变化的特性也刻划了尺度变化的特性，其识别效果比只用小波变换的方法好。(5)虹膜匹配采用匿一近邻分类器，K一近邻分类器是一个著名的、普适的分类器。该分类器无需参数，设计简单。本文提出的虹膜识别算法皆具有平移、缩放、旋转不变性，提高了虹膜识别的有效性和准确性，是实用的身份识别方法。关键词：虹膜识别，Hough变换，小波变换，共生矩阵，K一远邻分类器沈阳化工学院硕士学位沦文

4、摘要ABSTRACTBiometricRecognitionbasedonirisisanewtechnologyofpersonalidentification．Iristextureisdescribedandmatchedbyutilizingtheknowledgeofpatternrecognitionandimageprocessmg，IrisrecognitionalgorithmisdesignedinthisPaDer．Itconsistsofthreemajorcomponentsimagepreprocessi

5、ng，featureextractionandmatching．Hou出TransformiSimprovedandcombinedwithedgedetectionintheirislocation．Theotherapproachforlocatinganirisispresented．First，pupillaryboundaryislocatedbyconvertingtheintensityimageofiristobinaryimage．ThenOtiterboundaryofirisiSlOCatedbygraygra

6、dientbetweenirisandsclera．ThealgorithmbasedonthewavelettrarlSforIllzero—crossingdetectionandthealgorithmbasedon2一DwavelettrailsfonIlofTan’SarestudiediIlthefeatureextractionTheadvantagesanddisadvantagesofthesealgorithmsarecompared．Therearethreeimprovedirisrecognitionalg

7、orithmsproposedinthispaper．ThefirstimprovedalgorithmbasedonTan’SutilizesbothlOCalandglobalirischaracteristics．ThesecondimprovedalgorithmthatutilizeshighfrequencyinformationofwaveletdecompositionissimpleandtherecognitionperformanceiShi出．Thethirdimprovedalgorithmthatutil

8、izestheinformationofspaceandSCaleCanrepresenttextureofirisbetter．KnnclassifierisadoptedwhileirisiSmatched．Itdoesfitne