基于圖像區(qū)域分割的虹膜識別算法研究與實現(xiàn).pdf

1、隨著軍事化變革與社會發(fā)展需要，虹膜識別技術(shù)因其非侵犯性、高穩(wěn)定性和唯一性等特性在現(xiàn)代軍事、國家安全及民用領(lǐng)域應用得越來越廣泛。完整的虹膜識別系統(tǒng)涵蓋了圖像獲取、預處理、特征提取及模式匹配與識別四個流程，其核心步驟為虹膜定位及特征提取。
　　本文的主要工作如下:
　　(1)完成了虹膜圖像的預處理。首先利用形態(tài)學和連通域標記的方法實現(xiàn)虹膜內(nèi)邊緣的粗定位，利用邊緣提取及小范圍搜索結(jié)合的方法實現(xiàn)了虹膜內(nèi)邊緣的精定位;利用邊緣提取、去

2、噪及小范圍搜索法來實現(xiàn)虹膜的外邊界定位。然后，對圖像進行去噪處理，利用極坐標轉(zhuǎn)換將虹膜圖像轉(zhuǎn)換成大小為48×256的矩形圖片。最后通過直方圖均衡化的方法對矩形圖像進行增強處理，得到虹膜歸一化圖像。本文對CASIA1虹膜庫全部756幅圖像進行了預處理。只有10幅定位失敗，定位率達到了98.7％，平均定位時間為1.9365s。
　　(2)完成了虹膜圖像的特征提取和匹配。本文采用基于圖像區(qū)域分割的二維Haar小波變換算法對虹膜特征進行提

3、取。首先對整幅虹膜歸一化圖像進行Haar小波三層分解，取對角細節(jié)系數(shù);然后圖像分成8塊，每塊都進行三層分解，交替取水平細節(jié)及垂直細節(jié)。將這9塊細節(jié)組成一個384位的虹膜特征模板，并進行編碼，用海明距離來進行分類。通過實驗得出，此算法正確識別率為96.3％。
　　(3)對基于圖像區(qū)域分割的二維Haar小波變換算法進行改進。由于已消除的上下眼瞼的存在造成各個虹膜歸一化圖像相關(guān)性較大，所以通過精細劃分圖像區(qū)域，將上眼瞼有效的去除。最后組