共查询到18条相似文献,搜索用时 196 毫秒
1.
为了提高虹膜识别系统的性能,提出了一种新的虹膜识别算法。首先采用先粗后细的方式定位虹膜的内外边界,然后将虹膜图像归一化展开并去除噪声,最后用选定的滤波器虚部对展开后的虹膜图像进行滤波并对特征编码,匹配算法中采用Hamming距离来定义特征间的距离。实验表明:对于CASIA库中的图像及自制采集设备采集的图像,本文算法都能达到较好的识别效果,而且相对于传统算法,本文算法大幅度降低了处理耗时和虹膜特征编码长度。 相似文献
2.
3.
为了提高虹膜定位的精度和准确性,从而进一步提高虹膜识别系统的识别率,提出了一种基于矢量场卷积(Vector Field Convolution,VFC)的虹膜定位算法,用于精确定位虹膜内边界。首先利用最小灰度平均值法自动确定VFC模型的初始化轮廓,在活动轮廓内外力作用下实现虹膜内边界定位;然后对于虹膜外边界,采用改进的Daugman算法进行定位。利用多个虹膜图库进行了大量实验,并与几种常见的虹膜定位算法进行了比较,实验结果表明:该方法定位准确度更高,虹膜内边界定位更接近真实边界,定位结果有明显改善。 相似文献
4.
为了提高虹膜识别的准确率,提出了一种改进曲波变换的虹膜识别算法.首先对预处理后的虹膜图像进行Wrapping算法的快速离散曲波变换,提取不同尺度和不同方向的曲波子带系数矩阵的均值、方差和能量,然后利用广义高斯分布估算各子带的权值,为分类能力较强的特征向量赋予较大权值,构成虹膜图像的特征向量.最后采用模糊支持向量机和二叉决策树相结合的分类器进行匹配识别.采用UBIRIS和CASIA虹膜数据库对算法性能进行测试.实验结果表明,该算法能更好地提高虹膜识别准确率和效率,具有可行性. 相似文献
5.
虹膜图像内外边缘定位算法研究 总被引:5,自引:1,他引:4
虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能,精确的虹膜定位是有效进行虹膜识别的前提,所以一种简洁有效的虹膜定位算法是至关重要的。针对现有的虹膜定位算法的局限性,提出了一种新的虹膜定位算法。首先从虹膜图像的灰度直方图入手,分析虹膜图像的结构及其灰度分布,先用二值化的方法分离出瞳孔,再用数学形态学方法对其进行膨胀和腐蚀运算,然后确定瞳孔的圆心和半径,对内边缘进行精确定位。利用虹膜定位的先验知识,在缩小搜索范围的基础上,再用形态学算法与新的Hough变换相结合来进行虹膜图像外边缘的定位,确定外圆圆心及半径。实验结果证明了该算法的有效性和可行性。 相似文献
6.
将原用于模拟脑部主要直观皮层中单细胞的Gabor函数用作眼部图像的滤波函数,可以快捷方便地从眼部图像中提取虹膜图像。实验表明,通过对该Gabor函数中相关参数的分析和优化,该方法能较好地将虹膜(纹理)与巩膜、虹膜与瞳孔进行分离,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。 相似文献
7.
8.
9.
10.
11.
网络接入控制安全越来越得到重视和研究,文中提出一种新颖的生物识别技术,即基于虹膜识别的生物识别方法,它抛弃了使用密码和个人识别码等不可靠的鉴别方法,由于它接近于零的错误接收率和较低的错误拒绝率而具有高安全性. 相似文献
12.
13.
传统的虹膜识别方法主要提取和匹配局部区域特征,忽略了距离较远区域(即非局部区域)特征之间的相关性.基于序特征的方法通过高斯低通滤波器提取区域的平均灰度值并对不同区域进行大小比较,但是这种方法并不适用于用概率密度描述区域统计特性的情况.本文提出一种新颖的虹膜识别方法解决传统方法的不足.该方法在用空间-相位联合分布表示局部区域纹理特征的基础上,通过将位于距离较远图像区域的特征进行连接得到非局部区域关联描述子表达区域之间的关联特性.论文着重研究了两区域和三区域关联对虹膜识别性能的影响.在虹膜匹配时,考虑非局部区域关联描述子的有效性以排除遮挡、高亮和噪声等干扰因素的影响,允许非局部区域关联描述子进行整体微小平移以建模虹膜纹理的非刚性形变,最后用一种鲁棒的扩散直方图距离比较关联描述子之间的差异.论文在三个公开的虹膜数据库中进行了虹膜验证和虹膜识别实验,结果表明所提出的方法在性能上优于同类方法. 相似文献
14.
描述了一种不同于现有方法的新颖虹膜识别算法,利用多尺度多方向的二维奇对称Gabor滤波器,同时提取虹膜纹理的局部频率特征和局部方向特征.这种方法更全面的描述了虹膜纹理的特征空间,克服了之前的虹膜识别算法只提取局部频率特征或者只提取局部方向特征的局限性.特征匹配采用类似加权市街距离的方法来进行,而且根据眼睑和睫毛的分布特点设计匹配模板,能够最大限度的减少它们对匹配的干扰.与Daugman算法进行对比的实验数据表明,本算法具有非常优越的识别性能. 相似文献
15.
16.
17.
由于在采集虹膜图像前,无法预知眼睑、睫毛等噪声对虹膜纹理的干扰程度和不受干扰的可用虹膜区域的位置和大小,这可能会使提取到的特征模板中包含了由噪声引起的不可靠和不稳定特征,使识别的错误率增加.本文提出了多子区域联合的识别方法,将相对不易受干扰的图像区域划分为4个子区域,分别计算两幅图像对应子区域的相似度,动态选择最相似的子区域,将其特征作为判定依据进行分类.克服了之前算法只选择一个固定位置的区域用于特征提取的局限性.采用CASIA虹膜图库进行测试,结果表明:本方法能提高识别准确率、增强算法对采集图像质量要求的适应性,改善了虹膜识别系统的性能. 相似文献
18.
提出一种新的虹膜身份鉴别算法.首先将灰度虹膜图像等分为若干个子图像,再将每个子图像等分为若干个子区域,将各点梯度之和最大的子区域中心点坐标作为各子图像的特征,各子图像的特征构成了该虹膜图像的特征矩阵,最后通过特征矩阵在空间上直接对准的方法进行匹配识别.给出了子图像和子区域大小的选择方法,同时给出了在人眼自然张开状态下不受遮挡干扰的可用虹膜区域大小对识别效果的影响.克服了之前人为规定子图像和子区域大小和选取固定可用虹膜区域大小提取局部纹理特征所带来的局限性.实验表明:1)人眼自然张开状态下,在虹膜区域超过50%不受遮挡时即可完成识别;2)算法运行速度快且对采集图像时左右各7°以内的旋转失真具有很强的容错能力. 相似文献