基於嵌入零树小波编码之虹膜辨识.ppt

《基於嵌入零树小波编码之虹膜辨识.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基於嵌入零樹小波編碼之虹膜辨識IrisRecognitionBasedonEmbeddedZerotreeWaveletCoder指導教授：陳文雄老師學生：李宗浩日期：2009/3/23大綱Ⅰ.簡介Ⅱ.系統架構Ⅲ.前處理模組Ⅳ.特徵萃取模組Ⅴ.分類辨識模組Ⅵ.實驗結果2簡介生物辨識生理特徵臉型、掌型、掌紋、指紋、視網膜和虹膜…等。行為特徵聲音和簽名…等。3簡介虹膜紋理具有以下特性終身不變、獨一無二、不易仿照、普遍性。符合生物辨識的特性。辨識分為識別(identification)：一對多確認(verification)：一對一4系統架構5影像前處裡模組6影像強化受光源影響虹膜影

2、像影像增強結果7特徵萃取模組8特徵萃取模組9Downsample以部份重疊方式做downsample能降低擷取影像位移與虹膜伸展收縮之影響。10Downsamplerow與column以每m*npixel取mean並相互重疊50%。11SPIHT編碼法SPIHT（SetPartitioninginHierarchicalTrees）是由Said和Pearlman於1996年所發表的；SPIHT是EZW(EmbeddedZerotreeWavelet)的改良版，同是利用scanorder、zerotree的觀念及門檻值來將離散小波轉換後的係數切割成數層，然後分別將切割後的結果一一儲

3、存傳送的技術。12掃描順序掃描順序頻帶順序示意圖。13零樹(Zerotree)Zerotree切割示意圖。選取最具代表性之層14四元樹(quadtree)經小波轉換後的數值，以最低頻的係數為根，中頻及高頻為子節點，每個根會延伸出四個子節點，這些子節點是被用來加強父節點。在編碼過程中以四元樹的概念，利用零樹門檻值決定影像中重要係數，並只對其重要係數編碼。15四元樹(quadtree)以三階離散小波轉換後的結果說明：A(1,2)代表右圖中(1)與(2)的集合。B(1,2)代表右圖中(2)的集合。A(4,2)代表右圖中(3)的集合。B(4,2)則不存在。16比對方式特徵碼為二元碼，使用

4、漢明距離進行比對。漢明距離為317修改SPIHT編碼特徵碼長度改為固定碼長形式，比對時加入不同碼長的概念，即為本系統修改SPIHT編碼法的宗旨。18各頻域權重選擇把三階小波轉換結果分成四個頻域，加上重建數值，共有五項權重參數。非常重要w=5很重要w=4重要w=3普通w=2不重要w=119最佳化流程圖20分類辨識模組21符號說明真實接受（AcceptanceofAuthentic,AA）真實拒絕（RejectionofAuthentic,RA）冒牌接受（AcceptanceofFaker,AF）冒牌拒絕（RejectionofFaker,RF）錯誤拒絕率（FalseRejectio

5、nRate,FRR）錯誤接受率（FalseAcceptanceRate,FAR）等錯誤率（EqualErrorRate,EER）22實驗結果-影像前處理虹膜影像資料庫：採用貝魯特大學-計算機科學系-SOCIA實驗室所提供的UBIRIS虹膜影像資料庫進行實驗。UBIRIS資料庫有241隻不同眼睛（241個類別）的虹膜影像。每隻眼睛有5張24位元彩色影像，解析度爲800×600像素。共1205張人眼影像。23實驗結果-影像前處理失敗原因數量比例(%)（a）拍攝失焦4529.22（b）眼瞼遮蔽（含睫毛遮蔽）7347.4（c）眼睛閉合117.14（d）瞳孔與虹膜顏色相近2214.29（e

6、）其他（人臉影像）31.95總和154100影像前處理失敗原因分析24實驗結果-影像前處理拍攝失焦眼瞼遮蔽眼睛閉合瞳孔與虹膜顏色相近25實驗結果其中這五項參數的組合中，共有14組為最佳解(EER=0%)。最低頻次低頻高頻重建數值26實驗結果在距離分布圖發現加入權重後可拉開同類與非同類之間距離。加入權重前加入權重後27實驗結果在各項參數與權重均選擇最佳情況下，本系統可達到EER=0%。28實驗結果Downsample係數與方式五項權重之最佳化特徵碼長度EER(%)8*8取mean(無重疊)無292bytes0.247816*16取mean(無重疊)無73bytes0.128216*

7、16取mean(重疊)無292bytes0.013232*32取mean(重疊)無73bytes0.04898*8取mean(無重疊)有292bytes0.247816*16取mean(無重疊)有73bytes0.081316*16取mean(重疊)有292bytes032*32取mean(重疊)有73bytes0.016529