自然光虹膜图像增强与融合识别研究

发布时间：2017-05-09 21:11

  本文关键词：自然光虹膜图像增强与融合识别研究，由笔耕文化传播整理发布。

【摘要】：虹膜识别技术是精度最高的一种身份识别方法。目前的虹膜识别系统多采用近红外照明的专用成像系统,以获取高质量虹膜图像。随着成像系统性能的提升,无附加照明光源的自然光下常规成像系统获取的虹膜图像包含可用的虹膜信息,如能将这些图像用于身份识别将会提高虹膜识别系统的鲁棒性、推广虹膜识别技术的应用。自然光条件下采集得到的虹膜图像,可能会受到光照不均匀的影响,出现虹膜图像纹理不清晰以及对比度降低等,影响识别的精度。将低质量虹膜纹理进行增强可在一定程度上改善图像质量。此外,自然光下的虹膜图像包含颜色信息,可以将颜色信息与纹理信息融合进行识别,可提高识别精度。本文主要针对自然光虹膜图像的增强与识别进行研究。对于低质量自然光虹膜图像,提出在HSV颜色空间的V通道采用非线性变换方程进行亮度增强并且采用多尺度高斯卷积进行对比度增强,采用Gabor滤波提取纹理特征对增强后的图像进行特征提取与匹配识别。对于多幅低质量自然光虹膜图像,首先根据虹膜形变非刚性的特点利用高斯曲线进行配准,然后利用像素级小波融合的方法进行融合增强,得到一幅包含更多纹理信息的虹膜图像来提高识别率。在特征提取与识别方面,将虹膜图像映射到YIQ、YUV、YCbCr、HSI和CMY等多个颜色空间并提取颜色特征,利用欧式距离(ED)、卡方距离(CSD)和汉明距离(HD)设计多级分类器进行分类。最后将颜色特征和2D-Gabor提取的纹理特征根据加权和规则进行融合识别。我们在UBIRIS2.0虹膜图像数据库上进行实验,结果证明虹膜纹理增强及融合颜色与纹理的识别方法能够提升自然光虹膜识别算法性能。
【关键词】：虹膜识别 自然光 颜色特征 纹理特征 增强 融合
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 研究的目的和意义10-12
• 1.2 自然光虹膜识别研究现状12-15
• 1.3 论文主要内容和结构安排15-16
• 第2章 自然光虹膜图像增强与识别16-41
• 2.1 传统的自然光虹膜图像增强算法16-21
• 2.1.1 直方图均衡化增强16-18
• 2.1.2 Retinex增强18-20
• 2.1.3 其他虹膜图像增强方法20-21
• 2.2 非线性变换和多尺度高斯卷积自然光虹膜图像增强算法21-24
• 2.2.1 颜色空间的转换22
• 2.2.2 亮度增强22-23
• 2.2.3 对比度增强23-24
• 2.3 自然光虹膜图像增强实验效果24-30
• 2.3.1 实验数据库构成24-26
• 2.3.2 分块大小及高斯卷积参数选择26-27
• 2.3.3 算法的增强效果27-30
• 2.4 自然光虹膜识别30-39
• 2.4.1 虹膜定位31-34
• 2.4.2 虹膜归一化34-36
• 2.4.3 基于 2D-Gabor滤波的纹理特征提取36-38
• 2.4.4 特征匹配38
• 2.4.5 识别结果38-39
• 2.5 本章小结39-41
• 第3章 多幅自然光虹膜图像融合增强41-54
• 3.1 多幅自然光图像融合算法流程41-42
• 3.2 虹膜图像分割与配准42-48
• 3.2.1 虹膜图像定位与分割42
• 3.2.2 特征点检测42-46
• 3.2.3 寻找特征点对46
• 3.2.4 图像配准46-48
• 3.3 基于形态滤波的小波融合图像增强算法48-51
• 3.4 融合后效果评价51-53
• 3.4.1 图像质量评价51-52
• 3.4.2 识别效果评价52-53
• 3.5 本章小结53-54
• 第4章 自然光虹膜图像颜色与纹理融合识别54-63
• 4.1 算法整体流程54-55
• 4.2 基于颜色信息对虹膜进行分类55-59
• 4.2.1 六种颜色空间介绍55-57
• 4.2.2 颜色特征提取57-58
• 4.2.3 基于RGB的一级分类器58
• 4.2.4 基于多个颜色空间进行二级分类58-59
• 4.3 颜色特征与纹理特征匹配级融合识别59-61
• 4.4 融合识别结果61
• 4.5 本章小结61-63
• 第5章 总结与展望63-65
• 5.1 全文总结63-64
• 5.2 研究展望64-65
• 参考文献65-70
• 攻读学位期间的学术成果70-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 王向军 ,张敏 ,邓晓蓓 ,刘冀;非接触式虹膜图像获取系统的设计[J];光电工程;2005年06期

2 李星光;孙哲南;谭铁牛;;虹膜图像质量评价综述[J];中国图象图形学报;2014年06期

3 王勇,韩九强;基于Dempster-Shafer证据理论的虹膜图像分类方法[J];西安交通大学学报;2005年08期

4 冯薪桦,丁晓青,吴佑寿;一种虹膜图像的质量评价算法[J];中国图象图形学报;2005年06期

5 刘伟;童勤业;;序列虹膜图像质量的评价方法[J];计算机辅助设计与图形学学报;2005年12期

6 彭智勇;曾庆宁;彭超男;;虹膜图像质量评价的研究[J];电子技术应用;2006年02期

7 路陈红;卢朝阳;;快速有效的虹膜图像分割方法[J];西安电子科技大学学报;2007年02期

8 卢光明;戚佳音;廖庆敏;;一种虹膜图像质量评价的方法[J];计算机工程与应用;2007年26期

9 吕林涛;石富旬;;渐进式虹膜图像质量评估模型[J];计算机工程;2010年18期

10 齐霁;孙光民;;虹膜图像处理与识别技术研究[J];制造业自动化;2011年13期

中国重要会议论文全文数据库 前10条

1 马琳;王宽全;李乃民;贾丹兵;David Zhang;;虹膜分割与虹膜柔性分区方法研究[A];第二次全国中西医结合诊断学术研讨会论文集[C];2008年

2 马争;骆丽;;实时虹膜图像质量评估的研究[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

3 马琳;王宽全;韩蕴新;殷哲煜;李乃民;张大鹏;;计算机自动虹膜诊病系统研究[A];第七次全国中西医结合四诊研究学术会议论文汇编[C];2004年

4 王慧忠;马琳;王宽全;李乃民;张大鹏;;用于虹膜诊病的虹膜柔性分区技术研究[A];计算机在诊法中的应用与研究论文汇编[C];2005年

5 蔡黎;;一种改进的虹膜图像归一化方法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

6 吕前行;周治平;纪志成;;基于小波包和神经网络的虹膜图像分类方法[A];第二十六届中国控制会议论文集[C];2007年

7 金秋春;马琳;王宽全;李乃民;张大鹏;;虹膜图像上典型疾病特征提取及识别技术研究[A];计算机在诊法中的应用与研究论文汇编[C];2005年

8 于力;王宽全;李乃民;张大鹏;马琳;;虹膜诊断中的纹理结构特征提取研究[A];计算机在诊法中的应用与研究论文汇编[C];2005年

9 藤蓓蓓;马琳;王宽全;李乃民;张大鹏;;面向虹膜诊病的数据仓库信息系统的设计与实现[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

10 马琳;王宽全;David Zhang;;典型虹膜病理特征提取及识别方法研究[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

中国博士学位论文全文数据库 前4条

1 于力;虹膜图像的特征分析研究[D];哈尔滨工业大学;2006年

2 左平;虹膜图像恢复算法的研究[D];吉林大学;2008年

3 刘京;异质虹膜图像的鲁棒识别[D];中国科学技术大学;2014年

4 刘笑楠;虹膜图像块状纹理检测方法研究[D];沈阳工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 方强;高分辨率虹膜图像识别系统设计与实现[D];中国科学技术大学;2015年

2 张波;虹膜图像采集及识别算法的研究[D];电子科技大学;2015年

3 王洪;无参考的虹膜图像质量评估算法的研究[D];东北大学;2014年

4 王明威;基于双远心镜头的虹膜图像采集方法[D];沈阳工业大学;2016年

5 杨晓生;虹膜图像预处理及特征编码方法的研究[D];北京交通大学;2016年

6 侯博严;自然光虹膜图像增强与融合识别研究[D];北京理工大学;2016年

7 谢晶;模糊虹膜图像的复原研究[D];吉林大学;2009年

8 张立云;虹膜图像质量评估方法的研究[D];大连海事大学;2009年

9 杨昌盛;虹膜图像预处理及关键点提取方法的研究[D];中南大学;2009年

10 徐梅宣;虹膜图像处理技术研究[D];重庆大学;2004年

  本文关键词：自然光虹膜图像增强与融合识别研究，，由笔耕文化传播整理发布。

本文编号：353312