学位论文 > 优秀研究生学位论文题录展示

基于滤波特性的虹膜识别算法研究

作　者: 张顺利
导　师: 彭玉华；杨明强
学　校: 山东大学
专　业: 信号与信息处理
关键词: 虹膜识别经验模态分解 FIR滤波器 Zernike矩环形归一化
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 31次
引　用: 0次
阅　读: 论文下载

内容摘要

随着网络、通信及信息技术的迅速发展,身份识别成为一个重要而普遍的问题。生物特征识别技术因为其稳定性、可靠性、唯一性等特点,逐渐成为身份识别研究的热点。虹膜识别技术作为近年来新兴的生物特征识别技术之一,具有更高的稳定性、可靠性和安全性,并且具有广泛的应用前景、重要的现实意义和应用价值,受到越来越多的关注。虹膜识别系统一般包括虹膜图像采集、图像预处理、特征提取和匹配识别几部分。图像采集是通过虹膜采集装置获取包含虹膜的人眼图像。图像预处理是对图像进行定位、归一化及去噪等操作。特征提取是对预处理后的图像采用某些算法提取出有利于识别的特征。匹配识别采用一定的相似性测度对得到的特征进行分类识别。其中,特征提取是虹膜识别的核心。本文的主要工作就是提出了基于滤波特性的虹膜识别方案,分别利用经验模态分解、FIR滤波器和Zernike矩提取虹膜图像特定频带的特征,并结合相应的预处理及匹配识别方法进行识别。经验模态分解是一种适用于非线性、非平稳信号的分析方法,可以自适应的将信号分解为一系列固有模态函数之和。本文提出了一种基于经验模态分解的自适应滤波虹膜识别算法,利用经验模态分解的时空滤波特性,对虹膜信号进行分解滤波,选择最佳的固有模态函数进行组合,作为最有利于识别的虹膜频带特征,并利用与经验模态分解相关的下采样理论对特征进行降维压缩。采用汉明距离作为相似性测度进行匹配识别。FIR滤波器是有限长单位冲激响应滤波器,具有线性相位特性,并且系统是稳定的。本文提出了一种基于FIR滤波器的固定参数滤波虹膜识别算法,通过可分性判据确定最佳的滤波器带通范围、阶数等参数。利用设计的最佳参数滤波器对虹膜信号进行滤波,提取特征,并结合下采样算法对特征向量进行降维,节省存储空间,提高识别速度。Zernike矩是图像矩的一种,可以提取图像的旋转不变特征；并且Zernike矩也具有滤波的性质,其低阶矩反映图像的低频特性,高阶矩反映图像的高频信息。本文提出了一种基于Zernike矩和环形归一化的虹膜识别算法。首先对虹膜图像进行环形归一化处理,在保持平移和尺度不变性的同时,利用Zernike矩提取图像的旋转不变特征。通过对矩的阶数进行选择,可以实现特定频带特征的提取；利用欧氏距离、Cosine相似性测度及支持向量机等匹配识别算法进行匹配识别。利用Zernike矩提取的特征具有全局特性,且特征数目少,但对图像质量要求较高,因此还存在某些不足。本文基于CASIA1虹膜数据库对以上三种算法分别进行了实验仿真,并对实验结果进行了分析,对识别性能进行了评价。最后,对今后的研究工作和研究方向进行了展望。

全文目录

摘要  10-12
ABSTRACT  12-14
缩略语  14-15
第一章绪论  15-20
  1.1 课题研究背景和意义  15
  1.2 生物特征识别及虹膜识别概述  15-17
  1.3 虹膜识别研究发展和应用现状  17-18
  1.4 本文主要研究工作及内容安排  18-20
第二章虹膜识别系统概述  20-31
  2.1 引言  20-21
  2.2 图像预处理  21-26
    2.2.1 虹膜定位  21-24
    2.2.2 虹膜归一化  24-25
    2.2.3 图像去噪与增强  25-26
  2.3 特征提取  26-28
    2.3.1 基于相位的方法  26-27
    2.3.2 基于多分辨率分析的方法  27
    2.3.3 基于小波过零点的方法  27
    2.3.4 基于强度变化分析的方法  27-28
  2.4 匹配识别  28-30
    2.4.1 常用的匹配识别方法  28-29
    2.4.2 常用的评价指标  29-30
  2.5 本章小节  30-31
第三章基于经验模态分解的虹膜识别算法  31-50
  3.1 引言  31-32
  3.2 EMD基本理论  32-37
    3.2.1 EMD基本原理  32-35
    3.2.2 EMD特性分析  35-36
    3.2.3 EMD分解下的下采样理论  36-37
  3.3 EMD算法在虹膜识别中的应用  37-44
    3.3.1 虹膜图像预处理  38
    3.3.2 特征提取  38-43
    3.3.3 匹配识别  43-44
  3.4 实验结果与分析  44-49
  3.5 本章小结  49-50
第四章基于FIR滤波器的虹膜识别算法  50-71
  4.1 引言  50-51
  4.2 FIR滤波器相关理论及下采样算法  51-58
    4.2.1 FIR滤波器的设计  51-54
    4.2.2 FIR滤波器特性分析  54-57
    4.2.3 下采样算法  57-58
  4.3 FIR滤波器在虹膜识别中的应用  58-64
    4.3.1 FIR滤波器用于虹膜信号分析  59-60
    4.3.2 特征提取与匹配识别  60-64
  4.4 实验结果与分析  64-70
  4.5 本章小结  70-71
第五章基于Zernike矩的虹膜识别算法  71-86
  5.1 引言  71-72
  5.2 Zernike矩基本理论  72-76
    5.2.1 图像矩  72-73
    5.2.2 Zernike矩  73-75
    5.2.3 Zernike矩旋转不变量  75-76
  5.3 Zernike矩在虹膜识别中的应用  76-81
    5.3.1 环形归一化方法  76-78
    5.3.2 旋转不变特征提取  78-81
    5.3.3 匹配识别  81
  5.4 实验结果与分析  81-85
  5.5 本章小结  85-86
第六章总结和展望  86-88
参考文献  88-94
致谢  94-95
攻读硕士学位期间研究成果  95-96
学位论文评阅及答辩情况表  96

基于滤波特性的虹膜识别算法研究

内容摘要

全文目录

相似论文