基于加权Hamming距离的虹膜匹配算法

为了提高虹膜识别系统的识别性能,提出了基于加权Hamming距离的虹膜匹配算法。在利用多尺度Gabor滤波器组提取虹膜纹理相位特征的虹膜识别系统中,不同尺度、不同方向的Gabor滤波器,甚至同一Gabor滤波器的实部和虚部对虹膜纹理的描述能力不同,其抽取的特征的鉴别能力也不一样。根据鉴别能力的差异,在计算Hamming距离时对不同滤波器的输出进行加权,利用加权后的距离进行身份认证。实验结果表明,与传统的基于归一化Hamming距离的虹膜匹配算法相比,改用该算法后,虹膜识别系统的等错误率从0.97%下降到0.47%,识别性能得到明显改善。     

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%.     

Log-Gabor滤波和特征融合的虹膜识别研究

针对Gabor滤波器在提取虹膜纹理特征时带宽受限制的问题，提出了一种Log-Gabor滤波器结合特征融合的虹膜识别方法．该方法利用多尺度多方向二维Log-Gabor滤波器构成的多通道滤波器提取虹膜纹理特征，在特征层利用幅值信息对同尺度下多方向的Log-Gabor特征进行融合，以压缩冗余信息及去除非有效特征，然后对融合后的特征进行相位编码，并运用加权海明距离进行匹配，匹配时借助噪声屏蔽码去除眼睑遮挡干扰．同时，提出一种虹膜图像质量评价方法，     

一种Log-Gabor滤波结合特征融合的虹膜识别方法

提出了一种Log-Gabor滤波器结合特征融合的虹膜识别方法.该方法利用多尺度多方向二维Log-Gabor滤波器构成的多通道滤波器提取虹膜纹理特征,在特征层利用幅值信息对同尺度下多方向的Log-Gabor特征进行融合,以压缩冗余信息及去除非有效特征,然后对融合后的特征进行相位编码,并运用加权海明距离进行匹配,匹配时借助噪声屏蔽码去除眼睑遮挡干扰.提出了一种虹膜图像质量评价方法,可有效鉴别不适于识别的低质量虹膜图像.与传统的Gabor方法相比,新识别方法能得到更小的等错误率和相同错误接收率下更小的错误拒绝率,同时又将虹膜特征码的大小压缩为传统方法的1/2,可提高匹配速度及节约存储空间.在CASIA和UBIRIS虹膜库的测试结果表明,与传统Gabor方法相比,该方法在错误接受率为0.01%和0.1%时的错误拒绝率分别降低了0.57%和0.36%,等错误率降低了0.25%,特征码长度为128 B,减少了50%.     

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.     

一种新的基于小波变换的虹膜识别算法

为了克服基于小波变换过零检测的虹膜识别算法对纹理灰度变化敏感的缺点,利用小波的带通特性和小波变换检测奇异点的原理,提出了一种新的基于小波变换的虹膜识别算法。将虹膜纹理分成8个分析带,每个分析带只采用一个合适尺度的小波滤波,然后将滤波结果量化,产生256byte的虹膜特征码,最后利用Hamming距离进行模式匹配。实验结果表明,算法运算时间约为1s,识别率可达97.04%,可用于实际的身份鉴别系统中。同时,算法具有平移、旋转和缩放不变性。     

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.     

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.     

基于多方向角Gabor与RBF神经网络结合的目标识别算法

针对导弹末端制导过程中CCD摄像头抓捕目标的背景、光照及相对旋转角度变化和噪声等因素造成目标识别率降低问题,在结合多方向角Gabor滤波器和RBF神经网络的基础上,提出了一种基于特征匹配的目标识别算法。该算法采用Gabor滤波器对待匹配图像进行预处理,通过将多个不同方向角Gabor滤波器的结果进行叠加和归一化处理的方法,突出了目标轮廓特征,然后提取纹理图像的4类Haar-like特征,再利用训练完成的RBF网络模型进行识别。实验结果表明,算法在保证实时性的基础上提高了目标识别率。     

基于Radon变换的多尺度虹膜识别算法

针对现有虹膜识别算法需要处理二维纹理信息,特征提取时间长,对噪声干扰比较敏感等问题,提出了基于Radon变换的多尺度虹膜识别算法.首先利用Radon变换将二维虹膜纹理信息转换为一维纹理信号,然后使用小波变换多尺度能量算子提取虹膜的特征信息,最后利用相异度函数进行匹配判别.实验结果表明,算法具有运算简单,快速等优点,同时算法能够较好地克服图像平移、缩放、旋转等几何攻击对识别带来的不利影响,具有较强的抗干扰能力和较高的识别率.     

虹膜纹理的相位编码

讨论了虹膜识别技术的虹膜特征提取及编码,提出了一种基于Ｇａｂｏｒ函数集的编码方法,利用Ｇａｂｏｒ滤波器的相位特征,对虹膜纹理进行编码．同时,针对此编码又提出了基于加权海明距离的识别方法,并阐述了其实际识别效果．实验结果证明,该方法具有良好的编码效果及很高的运算速度,是目前较好的一种虹膜纹理编码方法．     

自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别

首先, 采用Log Gabor滤波器提取虹膜幅度特征, 根据虹膜库的种类, 通过改进的遗传粒子群优化算法优化滤波器参数; 其次, 利用主成分分析法降低维数, 进而减少噪声和冗余; 再次, 构建动态径向基函数神经网络, 并通过虹膜幅度特征间的欧氏距离进行虹膜识别; 最后, 采用多种小型虹膜库与其他虹膜识别算法进行对比实验, 实验结果表明, 该算法在一对一虹膜识别中正确率更高, ROC曲线更贴近坐标轴, 滤波器通用性更好, 提高了小型虹膜库的识别率, 解决了传统算法学习收敛速度慢、 结构通用性差的问题.     

基于Gabor滤波器组的虹膜特征提取与匹配

提出了一种基于Gabor滤波器组的虹膜识别方法,能有效地从虹膜图像中确定一个感兴趣的区域（ROI）并用于多尺寸多方向地提取虹膜图案的空间和方向特征,然后通过寻找相关特征矢量之间的最小距离实现虹膜图案匹配．实验结果证明我们的方法既能对虹膜图案的比例、平移保持不变性,又能消除或减少因睫毛、眼睑和反光造成的干扰．     

基于微积分算子的彩色虹膜图像定位算法

针对NICE:Ⅱ中的彩色噪声虹膜图像难于精确定位问题,提出了一种基于微积分算子的彩色虹膜图像定位算法.首先选择RGB虹膜图像的R层,结合Gabor滤波器和图像梯度信息检测图像中的光斑区域;然后利用Adaboost算法检测虹膜区域,并使用抛物线形微积分算子定位上下眼睑;再利用基于微积分算子的模板,通过局部极值的逐步迭代和对虹膜边界点的聚类分析,定位虹膜外边界;最后使用同态滤波对虹膜区域进行增强处理,检测虹膜内边界.在NICE:Ⅱ彩色虹膜图像库上的实验表明,该方法的定位准确率为98.22%.     

基于椭圆拟合的晃动虹膜图像的检测算法

针对虹膜识别系统中晃动影响识别准确率的问题,提出了一种基于椭圆拟合的晃动虹膜图像的检测算法.首先对虹膜区域利用Gabor滤波器卷积初步估计光斑的位置;然后在放大5倍的截取虹膜图像上定位有效光斑;最后,对每个光斑的边界进行椭圆拟合,并计算长短轴比例和拟合误差,误差较小且长短轴比例大于1.55的图像判定为晃动图像.在CASIA-IrisV3-Lamp数据库上的实验表明,该方法检测晃动虹膜图像的准确率达到100%,提高了虹膜识别系统的准确率.     

基于Gabor能量滤波器的虹膜分割技术的研究

为了能快捷方便地从眼部图像中分割虹膜图像,本文将原用于模拟脑部主要直观皮层中复杂细胞的Gabor能量算子用作眼部图像的滤波函数.实验表明,通过对该Gabor能量函数非CRF抑制、相关参数的分析和优化,该方法能较好地将瞳孔纹理从眼部图像分离,从而方便地实现虹膜提取,并能简化虹膜识别系统的程序、提高其处理速度.     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.