虹膜定位及識(shí)別算法的研究與改進(jìn).pdf

1、虹膜識(shí)別與其他生物特征識(shí)別相比，具有很多的優(yōu)點(diǎn)。通過虹膜識(shí)別技術(shù)進(jìn)行判別，逐漸得到了學(xué)術(shù)界和企業(yè)界的廣泛關(guān)注，其算法的研究和改進(jìn)成為新一代生物模式識(shí)別中的熱點(diǎn)。虹膜系統(tǒng)中的定位算法和特征點(diǎn)提取匹配部分的算法是本論文研究和討論的重點(diǎn)。
　　在虹膜的定位問題方面，目前常使用的算法有 Daugman算法，Wildes算法和中科院王蘊(yùn)紅和譚鐵牛院士等提出的虹膜定位算法。每種算法都具有其優(yōu)勢(shì)但也存在一些能改進(jìn)的方面。本文采用的方法是基于傳統(tǒng)

2、的水平集模型展開，對(duì)其的第一個(gè)改進(jìn)在于選擇初始水平集的方式，本文提出在選擇初始水平集時(shí)用hough方法產(chǎn)生，看似麻煩了，但可大大減少算法的迭代次數(shù)，并一定程度上減少光線對(duì)定位結(jié)果的影響。第二個(gè)改進(jìn)在于引入了干擾因素的加權(quán)因子在其迭代的方程中，這樣做的好處在于可以對(duì)睫毛和眼皮等干擾因素做出預(yù)判和剔除。
　　在特征提取和匹配方面，本文采用的是SURF算法，而不是傳統(tǒng)的特征點(diǎn)提取算法，利用該算法對(duì)特征點(diǎn)可進(jìn)行快速提取。與SIFT相比其速

3、度快約3倍，而對(duì)光也不敏感，在一定程度上減少了光線對(duì)虹膜圖像特征提取的影響。再者本文在匹配時(shí)采用子區(qū)域分割加權(quán)融合。并在區(qū)域權(quán)值分配的問題上采用 PSO加速訓(xùn)練方法，使得權(quán)重的分配更為合理。采用區(qū)域分割加權(quán)的方法可以更加充分的利用虹膜的特征點(diǎn)分布的位置特性。
　　對(duì)于以上提出的兩種改進(jìn)本論文通過相應(yīng)的實(shí)驗(yàn)與目前常用的虹膜定位和識(shí)別算法進(jìn)行對(duì)比，發(fā)現(xiàn)采用本論文提出的方法在定位效果方面較之前的方法更為理想，在特征點(diǎn)匹配方面其準(zhǔn)確度，魯