基于自适应Gabor滤波的虹膜特征提取与识别方法研究

发布时间：2017-06-19 00:03

  本文关键词：基于自适应Gabor滤波的虹膜特征提取与识别方法研究，由笔耕文化传播整理发布。

【摘要】：现在人类社会处于高速发展的阶段,信息化渗透至人们生活的每个领域,随之产生了很多信息安全方面的问题,社会急切需要一种行之有效、用之安全的身份鉴定方法。生物识别技术是一种依靠人类自身生物特征识别身份的手段,用以限定用户访问、操作权限,解决当前信息化社会所面临的信息安全问题。与其它生物特征相比虹膜以其唯一性、防伪性、非侵犯性等特点越来越得到安全领域学者们的重视。目前虹膜识别的产品已经应用在门禁系统、金融领域、机场安检等一些需要高度安全的场所,但是由于其实际应用环境的多样性和复杂性,仍然存在许多地方需要完善。本文以提高虹膜识别实际应用性能为目标,主要针对虹膜识别过程后期的特征提取与特征识别部分进行了研究。为了实现虹膜识别系统在复杂的条件下能够准确识别,在特征提取方面采用了基于混沌粒子群算法寻优Gabor参数,实现自适应Gabor滤波器提取相位和方向两种虹膜纹理特征的过程。在特征识别方面,把提取到的虹膜相位特征和方向特征匹配结果作为SVR的输入数据,利用SVR模型训练虹膜模板特征并对待测样本进行识别。本文主要工作包括以下几个方面:(1)针对采集过程中虹膜图像不可避免的受眼睑、睫毛遮挡等造成干扰的问题。本文对采集到的原始虹膜图像进行预处理,截取虹膜纹理特征突出的部分作为感兴趣区域,提高了虹膜识别系统输入图像的质量。(2)在特征提取中,本文用实验证明了不同Gabor滤波参数对虹膜识别结果的影响。故为了提高虹膜识别的准确率,本文提出利用混沌粒子群(Chaotic Particle Swarm Optimization,CPSO)优化算法对Gabor滤波器的参数进行寻优,并为防止算法过早收敛于局部极值在每次迭代过程中加入了混沌粒子。混沌粒子群算法以类内、类间区分度值作为算法的适应度函数,不断迭代更新Gabor参数和最高适应度函数值,直至寻找到最优值或达到迭代次数上限为止。(3)本文采用SVR分类器综合Gabor滤波器提取到的相位和方向两种局部特征的匹配结果,以“0”和“1”标识区分内类和内间两个子集。通过SVR训练得到虹膜特征的分类模型,并以此模型对测试样本进行识别。实验证明提取两种虹膜特征可以减少由单一特征引起的不稳定性,并且进一步提高了虹膜识别的准确性。本文的实验数据采用中科院公开图像库CASIA-V4-Interval、CASIA-V4-Lamp和实验室自主研发的虹膜采集设备采集的JLU-V3.0虹膜图像库,并以类内、类间区分度评价虹膜识别方法的性能。综上所述,本文应用混沌粒子群算法寻优Gabor参数,给出了一种基于自适应Gabor滤波器的虹膜识别方法,并通过SVR模型融合两个虹膜特征的匹配结果,最终通过对比实验验证了算法的有效性。
【关键词】：虹膜识别 Gabor滤波器 多特征提取 混沌粒子群算法 SVR
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-22
• 1.1 研究背景和意义11
• 1.2 虹膜识别国内外发展情况11-13
• 1.3 虹膜识别系统概述13-20
• 1.3.1 虹膜生理结构13
• 1.3.2 虹膜图像库13-16
• 1.3.3 虹膜识别的评价指标16-19
• 1.3.4 虹膜识别的工作模式19-20
• 1.4 论文的研究内容和组织结构20-21
• 1.4.1 主要工作20
• 1.4.2 组织结构20-21
• 1.5 本章小结21-22
• 第2章 虹膜图像采集与预处理22-30
• 2.1 虹膜图像采集设备22-23
• 2.1.1 已有采集设备23
• 2.1.2 自主研发的虹膜采集设备23
• 2.2 虹膜图像预处理过程23-29
• 2.2.1 虹膜图像质量评价23-24
• 2.2.2 虹膜图像有效区域定位24-26
• 2.2.3 虹膜纹理图像归一化26-27
• 2.2.4 虹膜图像增强算法27-28
• 2.2.5 截取虹膜图像ROI28-29
• 2.3 本章小结29-30
• 第3章 自适应Gabor滤波器的虹膜特征提取30-44
• 3.1 Gabor滤波器30-31
• 3.2 基于Gabor的虹膜特征提取和编码31-33
• 3.2.1 Gabor滤波核函数31-32
• 3.2.2 生成Gabor局部相位特征32
• 3.2.3 生成Gabor局部方向特征32-33
• 3.3 基于CPSO的Gabor滤波器参数优化33-43
• 3.3.1 Gabor滤波器参数优化必要性分析33-35
• 3.3.2 粒子群和二进制粒子群寻优的基本原理35-37
• 3.3.3 粒子群算法中引进混沌粒子37
• 3.3.4 混沌粒子群寻优Gabor参数过程37-38
• 3.3.5 实验与分析38-43
• 3.4 本章小结43-44
• 第4章 基于SVR虹膜特征匹配44-52
• 4.1 SVM和SVR算法原理44-47
• 4.1.1 SVM算法原理44-46
• 4.1.2 SVR函数及其核函数46-47
• 4.2 SVR融合多虹膜特征47-48
• 4.3 实验与分析48-51
• 4.4 本章小结51-52
• 第5章 总结与展望52-54
• 5.1 全文总结52-53
• 5.2 研究展望53-54
• 参考文献54-58
• 作者简介及在学期间所取得的科研成果58-59
• 致谢59

【参考文献】

中国期刊全文数据库 前10条

1 谢锋云;;线性控制系统稳定性求法解析[J];齐齐哈尔大学学报(自然科学版);2012年02期

2 董文博;孙哲南;谭铁牛;;基于双目视觉和旋转云台的远距离虹膜识别系统[J];科技导报;2010年05期

3 苑玮琦;冯琪;柯丽;;利用2D-Gabor滤波器提取纹理方向特征的虹膜识别方法[J];计算机应用研究;2009年08期

4 吕林涛;杨涛;;一种基于奇对称2D Log-Gabor的虹膜特征提取算法[J];计算机应用;2009年04期

5 姚鹏;叶学义;张文聪;庄镇泉;李斌;;基于局部方向特征的虹膜识别算法[J];电路与系统学报;2008年05期

6 苑玮琦;刘汪澜;柯丽;;Gabor滤波器参数设计及其在虹膜识别中的应用[J];计算机应用研究;2008年08期

7 田启川;刘正光;;虹膜识别综述[J];计算机应用研究;2008年05期

8 王风华;姚向华;韩九强;;基于多通道Gabor滤波和特征融合的虹膜识别方法[J];光电工程;2007年12期

9 陈英;朱晓冬;刘元宁;;步进式序列虹膜图像质量评价[J];航空计算技术;2007年04期

10 顾星;刘务勤;黄杨;唐群;赵上果;;中医四诊数字化技术的应用前景[J];中国科技论文在线;2006年04期

中国博士学位论文全文数据库 前3条

1 何飞;基于Gabor滤波的虹膜多特征提取及融合识别方法研究[D];吉林大学;2015年

2 明星;虹膜识别技术中小波变换的应用原理与方法[D];吉林大学;2006年

3 刘元宁;基于指纹与虹膜生物识别技术研究[D];吉林大学;2004年

中国硕士学位论文全文数据库 前1条

1 黄春;基于SVR的Gabor虹膜特征提取与识别方法研究[D];吉林大学;2014年

  本文关键词：基于自适应Gabor滤波的虹膜特征提取与识别方法研究，，由笔耕文化传播整理发布。

本文编号：461102