采用GABOR函数的虹膜提取技术研究

将原用于模拟脑部主要直观皮层中单细胞的GABOR函数用作眼部图像的滤波函数,可以快捷方便地从眼部图像中提取虹膜图像。实验表明,通过对该GABOR函数中相关参数的分析和优化,该方法能较好地将虹膜(纹理)与巩膜、虹膜与瞳孔进行分离,从而方便地实现虹膜提取,并能简化虹膜识别系统的程序,提高其处理速度。

基于保守超混沌系统的虹膜特征提取算法

虹膜特征与其他生物特征相比具有独特优势,因其可以为加密算法生成足够长的密钥。虹膜特征提取是虹膜识别过程中的关键问题。针对密钥安全性和计算效率两大问题,提出了一种新颖的基于保守超混沌系统的虹膜特征提取方法,并结合局部二进制模式(Local Binary Pattern,LBP)和高斯函数差分(Difference of Gaussian,DOG)技术。首先,选择五维保守超混沌系统,验证其保守性和超混沌性质;其次,根据375位虹膜特征码和上述系统,产生特征矩阵,并对该矩阵进行图像增强处理;最后,通过提取DOG极值点和LBP特征,并根据提出的特征融合规则生成128位密钥。实验表明,生成的密钥可以通过美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)随机性测试,且对虹膜特征码极其敏感。

基于能量补偿和特征加权的虹膜特征提取算法

Contourlet变换不同子带的特征提取能力存在差异。针对该问题,提出一种基于能量补偿和特征加权的虹膜特征提取算法。采用正交图像对原图像进行能量补偿,利用广义高斯分布估计各子带数据的权值,为分类能力强的特征量赋予较大权值,以充分使用样本的统计信息高效地提取特征。实验结果表明,该算法的虹膜识别率较高,鲁棒性较强。

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。

基于Nonsubsampled Contourlet变换的虹膜特征提取与匹配

为了鲁棒地获得高品质的虹膜纹理特征矢量,提出了一种新的无参数滤波器堆与虹膜感兴趣区域获取技术相结合的特征矢量提取方法。分析了基于Nonsubsampled Contourle变换(NSCT)滤波器的结构与性能,给出了无参化NSCT滤波器的设计步骤和设计要点。提出了采用坐标变换、剪切、平移和组合的虹膜感兴趣区域预处理技术。用NSCT滤波器滤波该虹膜感兴趣区域来获得信息丰富且少干扰的虹膜图案的特征矢量。实验结果表明该方法是更为有效的。

基于模糊数学的虹膜特征提取算法评估

提出了一种运用模糊数学进行的虹膜特征提取算法评估的方案,并通过实验证明了该方案的有效性和实用性。

基于数学形态学和二维纹理边缘坐标极值的虹膜特征提取算法

对于虹膜纹理特征的提取,本文提出了一种基于数学形态学及二维纹理边缘坐标极值的特征提取算法,该算法包括两部分：利用数学形态学检测归一化并增强后的虹膜图像纹理的边缘、分别在横向和纵向提取虹膜纹理边缘的极值点.该算法直接对图像进行操作,简单直观,易于操作,计算量较少,占用存储空间小,提高了系统的运行速度,满足系统实时性要求.

基于改进型LBP算法的虹膜特征提取仿真

随着信息社会的建立,个人身份信息的保护越来越重要,生物识别技术将成为一种对信息进行更安全利用的模式。在人体结构中,虹膜结构复杂,也具有更强的安全性、不可复制性,因此利用虹膜进行识别具有不可替代性。虹膜特征提取与编码是在虹膜预处理之后,特征匹配之前关键的一步。该实验将选取LBP算法来研究虹膜特征提取,因其算法简单,具有灰度不变性、鲁棒性较强等优点,在实验中选用该算法。经实验证明,该方法可以耗时更短地完成虹膜特征提取,具有较高的识别率并得出特征向量。该文介绍虹膜特征提取设计的背景、意义以及目的,介绍LBP算法的概况、国内外发展的历史现状以及特征提取的设计原理、设计过程、结合理论知识进行实验,记录实验过程,分析实验结果,并对结果进行评价。

基于梯度极值的虹膜卷缩轮检测方法

在计算机辅助虹膜诊断中,虹膜卷缩轮的定位是其他虹膜异常特征检测的基础。针对该特征,提出一种基于图像梯度极值的虹膜卷缩轮检测方法。根据虹膜图像中卷缩轮及其附近区域在竖直方向上的灰度差异性,在部分归一化图像中,利用改进的垂直梯度算子对图像进行处理,提取竖直方向上的梯度极值点得到卷缩轮轮廓,并将轮廓点还原显示在原始灰度图像中。实验结果表明,该方法的定位准确率可以达到92.5%,具有较好的检测效果。