基于核方法的虹膜識別算法研究.pdf

1、由于虹膜識別技術(shù)對個體識別具有高度的可靠性，已成為目前生物識別中最有發(fā)展前景的識別技術(shù)之一。虹膜識別系統(tǒng)包括虹膜圖像的自動采集、虹膜圖像預處理、特征表示、模式匹配等過程。其中，如何準確的對虹膜進行定位，如何有效的提取出虹膜圖像的紋理特征以及如何設(shè)計高效的分類器是提高虹膜識別準確率的關(guān)鍵。本文在分析傳統(tǒng)的算法的基礎(chǔ)上，分別對虹膜定位及虹膜特征提取以及匹配的若干算法進行了研究，主要工作有： (1)研究了將主動輪廓線方法和：Hough

2、算法相結(jié)合，并利用粗定位及精定位兩步算法分別對虹膜內(nèi)外邊界進行定位。 (2)基于核方法的特征提取方法和分類器是現(xiàn)在機器學習的熱點，并廣泛應用于很多領(lǐng)域。針對傳統(tǒng)的線性變換固有的缺陷，如基向量是固定的且獨立于其他數(shù)據(jù)，此外，還必須為固定的基向量選擇參數(shù)(如空間、方向、頻率等)，因此本文在虹膜的特征提取時，研究了將基于核方法的特征提取方法(基于核方法的主成份分析(KPCA)，基于核方法的獨立成份分析(KICA)，基于核方法的判別分析

3、(KDA)，基于核方法的彈性判別分析(KSDA))對虹膜圖像進行處理，這些方法通過首先將虹膜數(shù)據(jù)映射到高維的特征空間，再對大量虹膜樣本的訓練學習提取出虹膜紋理特征，然后提出采用三種度量距離(馬氏距離，歐氏距離，余弦距離)對虹膜進行匹配。 (3)由于距離度量做為分類器來說比較簡易，所以在分類器設(shè)計部分，本文研究了利用更加有效的分類器(基于核方法的Fisher判別分類器和支持向量機)來對虹膜特征進行分類。然而由于KFD和SVM都屬于