欢迎来到天天文库
浏览记录
ID:35182543
大小:1.97 MB
页数:43页
时间:2019-03-21
《基于支持向量机的虹膜图像识别》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、分类号:TP391单位代码:10190研究生学号:201312017密级:无硕士学位论文基于支持向量机的虹膜图像识别IrisImageRecognitionbasedonSupportVectorMachine研究生姓名:陈剑专业:统计学指导教师姓名:孙秋成指导教师职称:副教授2016年4月长春工业大学硕士学位论文原创性声明本人郑重声明:所呈交的硕士学位论文,《基于支持向量机的虹膜图像识别》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。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明
2、确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名:年月日长春工业大学硕士学位论文版权使用授权书本学位论文作者及指导教师完全了解“长春工业大学硕士学位论文版权使用规定”,同意长春工业大学保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权长春工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。作者签名:年月日校内指导教师签名:年月日硕士学位论文摘要虹膜识别在当下备受推崇和关注,虹膜识别的研究和应用成为热门研究方向,这使得虹膜识别技术很快得到推广和应用。虹膜识别技术在很多领
3、域得到了很好的应用,例如门禁系统。虹膜识别系统的研究具有广泛和深远的意义。本文提出一种新型的虹膜特征提取方法。由于虹膜图像受到上眼皮和眼睫毛的影响很大,于是本文尝试提取完整虹膜中受到上眼皮和眼睫毛影响较小的下半部分的二分之一的纹理,从而能够克服上述遮挡因素的影响,准确定位虹膜,并获得有效的虹膜特征。首先,利用灰度直方图,实现了虹膜内边界的准确定位;随后,为了克服眼睫毛和下眼睑的遮挡影响,给出了一种虹膜外边界定位方法,能够准确获得虹膜的有效部分;最后,利用归一化算法,将环状的虹膜特征转化为矩形特征,便于虹膜的训练和识别。通过实验验证,该方法是准确的和有效的。获得更精确有效的虹膜特征之
4、后,采用支持向量机(SVM),用于虹膜图像的识别和分类,获得了较高的识别精度。关键词:虹膜识别虹膜图像预处理虹膜定位支持向量机(SVM)I硕士学位论文AbstractIrisrecognitionhasreceivedmuchattentioninthepresent.Theresearchandapplicationofirisrecognitionhasbecomeahotresearchdirection,whichmakesirisrecognitiontechnologytobepopularizedandappliedquickly.Irisrecognitiontec
5、hnologyhasbeenusedinmanyfields,suchasaccesscontrolsystem.Theresearchofirisrecognitionsystemhasabroadandfar-reachingsignificance.Anewmethodforirisfeatureextractionisproposedinthispaper.Becausetheirisimageisaffectedbytheuppereyelidandeyelashes,thispapertriestoextractthefulliris,whichisaffectedby
6、theuppereyelidandthelowerpartoftheeye.First,usingthegrayhistograrealizedtheaccuratelocationoftheirisinnerboundary;subsequently,toovercomeeyelashandeyelidocclusiongivesakindofirisboundarylocalizationmethodtoobtaintheaccurateiriseffectivepart.Finally,byusingnormalizationalgorithm,intobyannularir
7、isfeatureforrectanglefeaturesforthetrainingandrecognitionoftheiris.Throughexperiments,themethodisaccurateandeffective.Afterobtainingmoreaccurateandeffectiveirisfeatures,supportvectormachine(SVM)isadoptedfortherecognitionandclassificatio
此文档下载收益归作者所有