基于二维Log+Gabor小波和PNN的虹膜识别算法研究及实现

《基于二维Log+Gabor小波和PNN的虹膜识别算法研究及实现》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、东北大学硕士学位论文摘要基于二维LogGabor小波和PNN的虹膜识别算法研究及实现．摘要、、。随着信息技术在社会中渗透的不断加深，信息安全已成为当今社会重要的研究课题卜之一，基于人体生物特征的身份鉴定技术越来显示其重要价值。虹膜由于具有唯一性、7‘I稳定性、识别率高、非侵犯性等优点，因此虹膜识别技术已成为目前热门的身份鉴定研究领域。本文在查阅相关文献基础上，介绍了虹膜识别技术的发展现状和应用前景，深入研究了经典虹膜识别算法的优缺点，选择小波变换、二维Gabor小波和概率神经元网络等方法实现了虹膜的定位、归一化、特征提取和匹配。本文主要完成了以下工作：(1)完成了虹膜图像的预处理，利用小波

2、变换和虹膜灰度特征相结合的方法实现了内圆定位；在外边界定位上，用圆环的面积积分代替虹膜环量积分实现了虹膜的外圆定位；虹膜图像的归一化实现了虹膜由圆环到矩形的拉伸变换，使虹膜特征具有尺度和平移不变性；用局部直方图实现了虹膜图像的增强。(2)完成了虹膜图像的特征提取，深入分析了二维LogGabor小波，通过实验确定了该小波的带宽参数，实现了用二维LogGabor小波提取纹理特征。(3)完成了虹膜图像的模式匹配，实现了基于虹膜纹理局部相位信息的编码和Hamming距离的模式匹配；研究并设计了概率神经网络(PNN)，实现了基于虹膜纹理的统计信息和概率神经网络的模式匹配。最后，给出了本文的实验结果，

3、实验表明，本文的方法具有良好的性能，能够有效地进行虹膜识别。关键词：虹膜识别；特征提取；二维LogGabor小波；Hamming距离；概率神经网络一Ⅱ一，▲，{_I东北大学硕士学位论文AbstractResearchandImplementationonIrisRecognitionAlgorithmBasedon2DLogGaborWaveletandPPNAbstractWithinformationtechnologyincreasingpenetrationinsociety,theresearchoninformationonsecurityhasbecomeoneofimpor

4、tanttopics．Theidentityrecognitionbasedonthebiologycharacteristicsofhumanbodybecomesmoreimportant．Becauseofiris’Sunique，stability,highrecognitionrateandtheadvantagesofnon—invasive，irisrecognitiontechnologyhasbecomepopularonthefieldoftheidentity．Inthispaper,thedevelopingsituationandapplyingprospecta

5、reintroducedbasedonlotsofreferences．Theadvantageanddisadvantageofirisrecognitionalgorithmsaredeeplyinvestigated．Wavelettransform，two·dimensionalLogGaborwaveletandprobabilityneuralnetworksaleappliedtorealizetheiris’Sdetection，normalized,featureextractionandmatching．Thispaperworkincludes：(1)Realizet

6、hepretreatmentoftheirisimage．Thispaperproposesanewmethodthatusingwavelettransformandgreyscaleinformationtofindoutthecenterandradiusoftheinnercircle．TheouterboundaryofIrisisdetectedbythemeansofareaintegralinsteadofloopintegral．Thenormalizationoftheirisimagerealizestheirisimagestretchfromcircletorec

7、tangle，whichkeeptheinvalianceofscaleandshift．Theirisimageenhancementisrealizedbythelocalhistogram．(2)Realizethefeatureextractionoftheirisimage．Thetwo-dimensionalLogGaborwaveletisdeeplyanalyzed．Thewaveletbandwidth