基于自适应gabor滤波的虹膜特征提取与识别方法研究

《基于自适应gabor滤波的虹膜特征提取与识别方法研究》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、ＴＰ３９１单位代码０１拍分类号：：１研巧吿学号２０１３巧州７２；密级：公开馨古棘大学硕女學位论文单术举ｔｆｃ（）基于自适应Ｇａｂｏｒ滤波的虹膜特征提取与识别方法研究ＲｅｓｅａｒｃｈｏｎＩｒｉｓＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎａｎｄＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎ化ｅＡｄａｐｔｉｖｅＧａｂｏｒＦｉｌｔｅｒｉｎｇ作者姓名：董宏兴专业：计算化应用技术研究方向：生物特征识别技术指导教师；朱晚冬教授培养单位：计算化科学与技术学院２０１６年５月未经本论文作者的书面授权，依法收存和保管本论文书面版

2、本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者。否则应承著作权的商业性使用（但纯学术性使用不在此限），担侵巧的法律责任。吉林大学硕±学位论文原创性声明：所呈交的硕±学位论文本人郑重声明，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研巧做出重要贡献的个人和集体。本人完全意识，巧己在文中Ｗ明确方式标明到本声明的法律结果由本人承担。学位论文作者签名：日期：《年ｒ月＞

3、佔基于自适应Gabor滤波的虹膜特征提取与识别方法研究ResearchonIrisFeatureExtractionandRecognitionBasedontheAdaptiveGaborFiltering作者姓名：董宏兴专业名称：计算机应用技术指导教师：朱晓冬教授学位类别：工学硕士答辩日期：2016年5月24日摘要摘要基于自适应Gabor滤波的虹膜特征提取与识别方法研究现在人类社会处于高速发展的阶段，信息化渗透至人们生活的每个领域，随之产生了很多信息安全方面的问题，社会急切需要一种行之有效、用之安全的身份鉴定方法。生物识别技术是一种依靠人类自身生物特征识别身份的手段，用

4、以限定用户访问、操作权限，解决当前信息化社会所面临的信息安全问题。与其它生物特征相比虹膜以其唯一性、防伪性、非侵犯性等特点越来越得到安全领域学者们的重视。目前虹膜识别的产品已经应用在门禁系统、金融领域、机场安检等一些需要高度安全的场所，但是由于其实际应用环境的多样性和复杂性，仍然存在许多地方需要完善。本文以提高虹膜识别实际应用性能为目标，主要针对虹膜识别过程后期的特征提取与特征识别部分进行了研究。为了实现虹膜识别系统在复杂的条件下能够准确识别，在特征提取方面采用了基于混沌粒子群算法寻优Gabor参数，实现自适应Gabor滤波器提取相位和方向两种虹膜纹理特征的过程。在特征识别方面

5、，把提取到的虹膜相位特征和方向特征匹配结果作为SVR的输入数据，利用SVR模型训练虹膜模板特征并对待测样本进行识别。本文主要工作包括以下几个方面：(1)针对采集过程中虹膜图像不可避免的受眼睑、睫毛遮挡等造成干扰的问题。本文对采集到的原始虹膜图像进行预处理，截取虹膜纹理特征突出的部分作为感兴趣区域，提高了虹膜识别系统输入图像的质量。(2)在特征提取中，本文用实验证明了不同Gabor滤波参数对虹膜识别结果的影响。故为了提高虹膜识别的准确率，本文提出利用混沌粒子群(ChaoticParticleSwarmOptimization，CPSO)优化算法对Gabor滤波器的参数进行寻优，并

6、为防止算法过早收敛于局部极值在每次迭代过程中加入了混沌粒子。混沌粒子群算法以类内、类间区分度值作为算法的适应度函数，不断迭代更新Gabor参数和最高适应度函数值，直至寻找到最优值或达到迭代次数上限为止。(3)本文采用SVR分类器综合Gabor滤波器提取到的相位和方向两种局部特征的匹I摘要配结果，以“0”和“1”标识区分内类和内间两个子集。通过SVR训练得到虹膜特征的分类模型，并以此模型对测试样本进行识别。实验证明提取两种虹膜特征可以减少由单一特征引起的不稳定性，并且进一步提高了虹膜识别的准确性。本文的实验数据采用中科院公开图像库CASIA-V4-Interval、CASIA-V

7、4-Lamp和实验室自主研发的虹膜采集设备采集的JLU-V3.0虹膜图像库，并以类内、类间区分度评价虹膜识别方法的性能。综上所述，本文应用混沌粒子群算法寻优Gabor参数，给出了一种基于自适应Gabor滤波器的虹膜识别方法，并通过SVR模型融合两个虹膜特征的匹配结果，最终通过对比实验验证了算法的有效性。关键词：虹膜识别，Gabor滤波器，多特征提取，混沌粒子群算法，SVRIIAbstractAbstractResearchonIrisFeatureExtractionandRecogniti