论文部分内容阅读
用户较少配合情况下的虹膜识别技术具有易于市场推广、方便快捷等优点，已成为虹膜识别技术的发展趋势。由于眼睑遮挡、运动模糊、高亮点等多种干扰和噪声影响，非理想条件下采集的虹膜图像中虹膜通常不是完整的，模糊或发生形变。这种情况下的虹膜识别具有很高的挑战性。论文首先阐述了在CASIA-IrisV4虹膜数据库中的虹膜定位方法。该方法二值化虹膜图像保留瞳孔高亮点信息，并通过横纵向投影初步确定瞳孔位置。然后在限定范围内采用Canny边缘检测和圆Hough变换拟合虹膜内外轮廓。本文采用基于区域子图像的思想解决虹膜配准问题。配准过程采用反向合成图像配准算法。本文提出两种虹膜特征提取方法：一是通过Gabor滤波器提取虹膜相位特征；二是采用加权相位共生直方图提取虹膜特征。前者结合浮动搜索特征选择方法，选择分类性能最好的Gabor滤波器集合，并采用DI评价滤波器集合的分类性能。后者按空间位置组织加权相位共生直方图特征向量，最后利用巴氏距离衡量虹膜特征向量相似性。实验数据采用UBIRIS.v2和CASIA-IrisV4中的虹膜图像数据，并采用ROC曲线和DI评价虹膜识别方法的性能。本文提出的Gabor滤波器选择算法参加了2010年虹膜识别国际测评(NICE.II)，在来自30多个国际和地区的67支研究队伍中取得第7名的好成绩。