资源描述：
《文献综述-人眼虹膜特征提取方法综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、杭州电子科技大学毕业设计（论文）文献综述基于图像分析的虹膜区分系统开发文献综述题目人眼虹膜特征提取方法综述学院专业姓名班级指导教师人眼虹膜特征提取方法综述1-前言近几年，虹膜识别在各种方面，无论是工业上还是安保工作中，比如在海关和医学机构等等，都引起了广泛关注。正是因为虹膜有以下儿点主要优势：(1)虹膜就具有独一无二的纹理特征而且这些特征在人的一牛屮基本保持不变。(2)虹膜具有内在的牛理隔离和保护能力。(3)虹膜的结构难以通过手术等外界方式修改。(4)虹膜图像可以通过摄像机和激光扫描捕获，不需对人体
2、进行侵犯。另外，虹膜识别是最可靠的牛物特征识别方式之一，人的虹膜有很高的独特性和识别精准性，其误识率是各种牛物特征识别方式屮最低的，这种新的身份确认和识别方式的需求量日益增加，适用于需要进行安全防范的诸多场合。但是，在获得有高效率的识别系统前，我们还面临许多技术和实践丄的困难，比如在各种难以控制的环境屮，对虹膜图像的提取，或得到的图片存在大量噪声，以及模糊度过高。因此，我们重点对虹膜定位和特征提取的H前主要算法进行概述，图1是完整的虹膜识别系统流程。虹膜获取囹像质重检测图像归一化>虹膜定位>身份识别
3、图1虹膜识别系统2.主题对虹膜的原始图像的预处理，即特征提取，我们将对完整的人眼图像进行预处理操作。从一张人眼静态图像出发，这里讨论对静态图像的特征提取具体过程和主流方法。获得清晰度较高的图像，这里要求最小满足半径为50个像索点的瞳孔捕捉图⑴,并能将瞳孔完整从瞳孔屮分离出来。接下来，要对虹膜局部检测，这里的主要传统方法有精确边缘测量(cannyedgedetect),边缘积分算子计算(Integro・differentialoperator),霍夫拟合圆变换(CircularHoughTransfo
4、rm),另外一些频域检测方式，如小波变换，傅立叶变换。2.1精确边缘测量(cannyedgedetect)精准的边缘检测模型建立需要3个评价参数，i,好的探测：该算法尽可能包括图像的有效范围。ii,好的分割：时域图片的边缘尽可能接近交界线。iii,满足的分割结果少，并不存在错误。这里提出一种具体算法过程：A,平滑图像和去除噪声。A,找到并加强边缘对比度，确定边缘方向。A,去除像素极值，压缩在某一范围内。B,双阈值控制，确定边缘。这种方法容易理解，可以直观在原始图像上操作，但有较高错误率和复杂计算量,
5、在实际操作屮可行性不大。2.2边缘积分计算(Integro-differentialoperator)这种方法主要用来对虹膜的内外边缘进行检测，而且可以避免眼睑，睫毛等干扰。这利
6、方法最先被Daugman用，这种积分计算的方法主要对圆环区域，比如虹膜区域，取虹膜内外半径为上下限，沿着眼睛屮心积分。该算法可以获取图像的最主要信息，所以精确度较高计算时间也极快。但本方法也存在不足，比如半径，积分范围等参数需提前获取，不能通过机器自我学习。2.3霍夫拟合变换(CircularHoughTransform)
7、
8、3
9、霍夫拟合圆变换在局部虹膜边界辨识上有较好效率。由于霍夫变换有对不完整数据影响不人，对噪声影响敬感度低。对提取已知形状的图像，准确率较高，霍夫拟合圆有三个参数(a,b,r),a,b表示每个可能用来拟合的圆心坐标，i•是半径。这样,可以把原始图像以(x,y)为坐标的点、像素点转换为(a,b,r)的点，每个(a,b,r)点表示原图像的一个圆。然后，用计算机迭代计算，当某个区域点较为密集的话，在原图像上就可能是边缘的部分。可以控制阈值来提取大致的边缘曲线，在之前要对图像平滑处理。图像准确率依赖累计圆的
10、数量，迭代的圆越多，准确率越高，但随着基准圆(cell)的增加，所需的存储空间开销也增加。由于霍夫变换总体开销较大，因此也不合适与即吋应用。2.4小波检测(WaveletDemodulation)141用2DGabor小波提取虹膜的边缘信息，当虹膜在双无量纲的新坐标系空间屮,波对块进行滤波,将增强后的虹膜图像I(x,y)分成数FI固定的块，用一•族频率、相位不同的Gabor小提取局部札I位信息，其实现公式如下：122exp{-0.5(―y+—)}cos(m/)2兀erfu=xcos0+ysin&,y
11、=—尢sin&+ycos0其屮&为Gabor滤波器的方向©和氐分别为高斯包络在u轴和v轴上的标准差(u轴平行0,v垂直于0)4用于调制频率。MN为模板矩阵大小，如果采用卷积实现滤波,每个像素的计算量至少需要NM次乘法和NM-1次加法，共计2NM-1次加乘法运算。由此可见，用卷积的方法实现Gbaor滤波的计算复杂度是比较大的。2.5海明距离匹配(HD)对虹膜图像编码为二进制后，用海明距离比较图像之间的差别，这里用一种较为精确的计算方式，海明距离(HD)。HD=
12、code
