基于小波變換和奇異值分解的虹膜識別算法研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，信息安全已成為當(dāng)今重要的研究課題之一。目前，傳統(tǒng)的安全技術(shù)已經(jīng)不能滿足當(dāng)前的要求，于是人們把目光轉(zhuǎn)向生物識別領(lǐng)域。虹膜識別是一種新興的生物識別技術(shù)，由于其具有唯一性、穩(wěn)定性、可采集性、非侵犯性等優(yōu)點(diǎn)而逐步受到人們的重視。虹膜由于其特殊結(jié)構(gòu)，與臉像、指紋、掌紋、聲音等生物身份鑒別方法相比，具有更高的準(zhǔn)確性。近些年來虹膜識別技術(shù)在研究和應(yīng)用方面都得到了長足的發(fā)展，并表現(xiàn)出了廣闊的前景和市場。 本文討論了一種新

2、的基于小波變換和奇異值分解相結(jié)合的虹膜識別算法。首先，針對已有虹膜定位算法耗時較長和準(zhǔn)確率不高等問題，提出一種新的虹膜定位算法：對于虹膜內(nèi)邊界，根據(jù)虹膜灰度分布特點(diǎn)，利用灰度平均值法找到瞳孔內(nèi)初始定位點(diǎn)，并通過邊緣檢測模板來搜索瞳孔的邊界點(diǎn)，同時，引入C-均值動態(tài)聚類分析法提高定位精度；對于虹膜外邊界，采用由粗到精兩步定位的方法。在粗定位確定的虹膜大致范圍內(nèi)，并由虹膜特性分析，采用改進(jìn)型Daugman微積分算子進(jìn)行精定位，使用改進(jìn)的一維

3、參數(shù)空間搜索，避免了以往算法在搜索邊界時的反復(fù)迭代，在保證精確度的前提下，大大提高了定位速度。 其次，提出了一種新的基于小波變換和奇異值分解的虹膜紋理特征提取方法。虹膜紋理分布內(nèi)側(cè)紋理比較密集，外側(cè)紋理較稀疏。根據(jù)虹膜紋理分布的特征，將內(nèi)半圓虹膜圖像分成8個圖像子塊，對每個子塊進(jìn)行三層Bior1.5小波變換提取其中的5個子帶并對每個子帶奇異值分解降維融合構(gòu)成最終的虹膜特征向量。 最后，在虹膜特征匹配上，給出了改進(jìn)的加權(quán)自