基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.     

基于GA-SVM模型的虹膜质量评估方法

针对虹膜图像质量评价过程中存在的如何选取适量的评价因子、 如何降低评价因子的计算量、 如何对评价因子进行有效融合等问题, 提出一种基于遗传算法支持向量机（GA-SVM）模型和多测度评价指标的虹膜图像质量评估方法. 首先对虹膜图像进行清晰度质量评价, 粗略筛除模糊图像; 然后选用4个评价指标, 利用GA-SVM模型对评价指标值进行有效融合, 以综合评价虹膜图像质量; 最后将该方法在吉林大学第六代虹膜库中进行验证, 并与其他经典评价方法进行对比. 实验结果表明, 该方法能提高可用虹膜存活率, 并达到较好的识别精度, 同时提升系统运行速度.     

基于改进遗传算法的虹膜识别方法研究

为了提高虹膜识别算法的有效性,提出了基于改进遗传算法进行特征选择的虹膜识别方法.针对虹膜图像纹理分布的特点,采用了多尺度环对称Gabor滤波器进行特征提取.同时,在特征选择上对经典遗传算法进行了改进,调整了遗传算法的交叉机制,提高了算法的搜索效率.为了检验算法的有效性,在中国科学院CASIA虹膜数据库上进行验证,实验结果表明该方法具有较高的识别精准度.     

皱纹盘鲍（Haliotis discus hannai）、黑足鲍（Haliotis iris）及其杂交F1代营养成分的比较分析

利用生物化学方法,对皱纹盘鲍、黑足鲍及其杂交F1腹足部肌肉一般营养成分、氨基酸及脂肪酸组成与含量、矿物质元素及总糖和还原糖含量进行测定分析。结果表明,杂交鲍的粗蛋白含量最高（17．97％）,黑足鲍的粗脂（1％）和粗糖（9．29％）含量最高;杂交鲍氨基酸总含量（58．91％）和呈味氨基酸含量（28．77％）最高,黑足鲍的必需氨基酸含量最高（21．33％）,皱纹盘鲍氨基酸总含量、呈味氨基酸含量及必需氨基酸含量最低;黑足鲍与杂交鲍脂肪酸种类和不饱和脂肪酸含量高于皱纹盘鲍。实验共测定9种矿物质元素,除了黑足鲍腹足部肌肉Mn、Cu含量明显高于皱纹盘鲍和杂交鲍外,3种鲍其他7种矿物质元素含量差别不大;黑足鲍总糖和还原糖含量最高,皱纹盘鲍最低。以上实验结果表明,通过种间杂交,亲本某些遗传性状缺陷在子代中得以改良,并且获得的杂交F1代部分性状优于双亲,表现出一定的杂交优势。     

基于BP神经网络的虹膜图像质量分类方法

摘要：针对虹膜图像采集过程中受光照条件不足、眼镜反光和眼皮遮挡等因素的影响而造成的图像质量不理想的问题,本文提出了一种基于BP神经网络的虹膜图像质量的分类方法。利用小波变换对每一幅虹膜图像进行特征提取,进而将提取的归一化虹膜图像数据作为BP神经网络的输入,以此对BP神经网络进行训练,实现了将3种被不同的影响因素影响的虹膜图像与未被影响图像进行区分的目的。仿真结果表明,该方法具有较高的虹膜分类精度以及较低的误差率。     

生物特征识别技术新发展--远距离虹膜识别

虹膜识别技术目前已经发展至远距离虹膜识别分支。文章介绍了远距离虹膜识别概念的起源,定义时所考虑的主要因素,并阐述了不同阶段远距离虹膜识别的不同定义,和当前广泛使用的远距离虹膜识别解决方案。     

基片集成波导混合金属膜片滤波器的设计

采用模式匹配法优化设计了单双混合金属膜片波导带通滤波器,并利用基片集成波导和普通矩形波导之间的转换公式,将普通波导滤波器改用基片集成波导结构来实现.滤波器采用单双E面膜片相结合的混合型结构,不仅降低了双膜片滤波器的加工复杂度,同时保持了双膜片滤波器的高端阻带抑制好的特性.此类滤波器结构简单、成本低廉,便于加工,适合批量生产.实验和仿真结果验证了模式匹配法的精确性和经验公式的可靠性.     

一种适于虹膜识别的特征提取算法

为克服现有基于线性变换特征提取方法中基向量非动态和参数需指定的缺陷,分析了虹膜的几何特征和识别原理,提出用独立成分分析ICA（Independent Component Analysis）方法进行虹膜特征提取,最大限度地去了除虹膜特征空间的冗余,克服了传统线性变换特征基向量非动态的缺陷;用BP（Back Propagation）神经网络进行虹膜分类,实现特征的降维和有效表示,并在自主研制的JLU-IRIS虹膜图像库中进行小样本空间实验。结果通过三种不同的识别率100%,96.5%和92.5%,表明了该算法的正确性和有效性。     

基于Camshift算法的虹膜实时跟踪

针对人眼虹膜跟踪中存在的眨眼和眼睑遮挡问题,提出了基于Camshift算法的虹膜跟踪方法。首先使用Adaboost学习算法进行人眼初步定位,然后加入三庭五眼的比例模型精确定位人眼;在人眼定位的基础上使用一个圆形滑动窗遍历人眼灰度图像,其中平均灰度最小的圆形窗可初步定为虹膜区域;将以上步骤检测出的虹膜作为Camshift算法初始模板,建立虹膜的颜色概率图,利用虹膜的颜色特征完成跟踪。实验证明本算法的虹膜跟踪准确率达到84%;并能解决眨眼和眼睑遮挡问题,保证了跟踪过程的鲁棒性。     

一种序列虹膜图像的质量评价方法

为了实现对虹膜身份识别系统中所采集的序列虹膜图像的质量评判 ,提出了一种利用眼睛结构中瞳孔、虹膜、巩膜各区域边界部分灰度差值评判因子进行质量评价的方法。实验证明 ,用该方法可以快速、有效地鉴定序列虹膜图像的质量 ,提高该身份识别系统的工作效率