Wildes虹膜识别方法的研究

虹膜识别技术是一门利用人类特有的生物特征——虹膜,来验证个人身份的科学。由于虹膜的结构具有独一无二、稳定及难于复制等特性,所以,这种识别方法提供了一种相对可靠和稳定的身份鉴别途径。对Wildes的虹膜识别方法[1]的图像采集、图像的预处理、特征提取和匹配等过程进行了研究,找出了这种识别方法存在的不足之处,并提出了切实可行的改进措施,大大提高了原系统的精度。     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

一种Log—Gabor滤波器结合多分辨率分析的虹膜识别方法

为提高虹膜识别算法的性能,提出了一种采用虹膜纹理全局信息的识别方法--全局信息识别法(IRBGT).该方法使用下采样运算得到不同分辨率下的虹膜图像,然后通过不同方向尺度的Log-Gabor滤波器组提取虹膜纹理的全局特征.最后,运用加权最小海明距离对生成的虹膜特征码进行匹配.与传统的Gabor虹膜识别方法相比,IRBGT方法在虹膜识别时更多地考虑了全局信息的可辨识力,能够降低等错误率和相同错误接收率下的错误拒绝率.对CASIA和UBIRIS虹膜库的测试结果表明,相比传统的Gabor虹膜识别方法,IRBGT方法在错误接受率为0.01%和0.1 %时使错误拒绝率分别减小了0.54%±0.2%和0.35%±0.15%,使等错误率降低了约0.2%.     

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法; 对虹膜图 像预处理后, 将二维小波变换与积分图像相结合, 实现虹膜纹理的特征提取; 实验检验了算法的有效性.     

基于自适应阈值分割算法的虹膜识别系统设计

在疫情环境下,为解决传统生物识别技术对公共场所出入人员的管控过程中易导致的交叉感染的问题,提出了人眼虹膜的身份识别方法.基于虹膜识别技术的安全管控系统中包括外部摄像镜头捕捉人眼图像、内部虹膜图像预处理、提取特征和与数据库比对匹配四个部分.从硬件和软件两方面入手来说明系统的设计架构和程序设计等内容,采用虹膜识别相关经典算...     

基于小波包分解和支持向量机的虹膜识别方法

考虑到虹膜识别的非线性和小样本的特点,以及小波包分解具有的分析高频特征信息的优势,提出了一种基于小波包分解和支持向量机的虹膜识别方法.首先对虹膜图像实行分窗小波包分解,再对各窗口的子带图像做筛选处理;然后通过奇异值分解对筛选后的各子带图像做进一步的特征提取和压缩,得到虹膜识别特征;最后利用支持向量机对虹膜特征进行模式匹配.实验结果表明了该算法的有效性.     

基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.     

基于特征向量场重构的虹膜识别方法

受人脑工作机制的启发,提出基于特征向量场重构的虹膜识别方法.该方法首先对两幅归一化后的矩形虹膜图像,取其各自的行、列一阶差分并映射成特征向量场;其次,根据重构思想从一幅虹膜图像中取出行一阶差分,从另一幅图像中取出列一阶差分,利用二个差分重构出一个新的特征向量场.通过计算两个特征向量场的重构距离判断两幅虹膜图像的异同.与其他方法相比,该方法的优点在于不需要对虹膜图像进行去噪与增强,节省了计算时间;计算中没有使用积分形式的滤波器,使得该方法适于硬件实现.该方法经历了285 290次匹配实验,正确识别率达到98.81%.方法的有效性得到了充分验证.     

一种基于正交不变集多小波的虹膜识别方法

提出了一种新的虹膜特征提取方法。该方法应用双正交不变集多小波对虹膜图像进行特征提取,同时考虑了虹膜图像的局部特征和全局特征,采用相关系数测度和方差倒数加权欧氏距离相结合的方法来设计分类器,为了消除虹膜图像在采集时可能产生光斑而对识别结果带来影响,在设计分类器时采用分块处理的办法。实验结果表明,多小波变换能更好的提取虹膜的纹理特征,获得更好的识别性能,是一种有效识别方法。     

基于多方向Gabor滤波器和Adaboost的虹膜识别方法

结合虹膜的整体和局部纹理信息,提出一种新的虹膜特征提取和识别方法.首先将归一化虹膜进行分块,然后利用多方向Gabor滤波器分别对整个虹膜和虹膜子块进行编码并生成特征向量,最后使用Adaboost算法训练得到识别性能较好的特征用于识别.在数据库CASIA-IrisV3-Lamp中实验,该算法的识别率达到99.85%;在包含大量低质量虹膜图像的数据库NICE:Ⅱ中实验,算法也具有较好的识别性能,表明了算法既能充分地利用虹膜的纹理信息,又能有效地减少噪声的影响.