基于PKI机制下的虹膜识别应用

在虹膜识别系统的实际应用中,只靠传统的虹膜识别算法不具有理想中的可靠性,同时基于PKI的安全通信机制,也不能保证密钥保存的安全性。结合虹膜识别与加密算法提出一种可靠的应用方式。基于左、右眼虹膜编码各产生一个1024位素数,进行数字签名、可靠性通信等应用,较好地解决了虹膜识别的可靠性和密钥保存的安全性问题。     

基于数学形态学的虹膜定位算法研究

基于虹膜识别的身份特征认证以其极高的可靠性而倍受人们的关注.在虹膜识别算法中,虹膜定位是极为关键和耗时的部分,运用数学形态学的方法实现对虹膜的快速定位.实验结果表明,本算法的定位速度快、准确率较高.     

虹膜在身份识别中的应用研究

研究优化识别人身份的稳定可靠性问题,虹膜识别是最近新兴的生物识别方法,具有算法简单、识别快速和高识别率的特点.为改变以往传统方式的不稳定性,提出的基于虹膜的身份识别算法,在虹膜图像的预处理过程中,首先采用粗定位与精定位相结合的方法对瞳孔中心和半径进行定位,虹膜内边界采用二值化方法进行定位;虹膜外边界采用非共线的3点确定1个圆的原理进行粗定位,避免了虹膜定位搜索的盲目性,减少了计算时间和降低定位复杂性.然后通过利用Hough变换对虹膜进行精定位并采用Gabor滤波进行虹膜特征提取,最后采用海明码距离进行虹膜匹配.仿真结果表明,与其它身份识算法相较,识别正确率最高,识别速度最快,计算复杂度最小.     

多算法融合虹膜识别中的规范化模型比较研究

虹膜识别易受环境影响,利用多算法融合识别提高复杂应用环境下虹膜识别可靠性是一种非常有效的途径。本文针对多算法融合虹膜识别中的关键步骤——规范化模型选择做了比较性研究。首先搭建多算法融合虹膜识别平台,对常见的三种规范化模型在UBIRIS虹膜库中做了比较测试,实验结果证明双sigmoid函数指数模型性能最优。本文研究可对多算法融合的研究提供理论参考。     

基于局部小波变换与奇异值分解的虹膜识别算法

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。文章提出了一种基于局部小波变换和奇异值分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波分解,并对各窗口的子带图像作筛选处理,然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩,得到虹膜识别特征。最后利用加权欧氏距离分类器进行识别。基于CASIA虹膜数据库的实验结果表明了该算法的有效性,为虹膜识别提供了一种新途径。     

基于相位谱互相关的虹膜识别方法研究

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。该文提出一种基于图像相位谱互相关的虹膜识别方法。本系统先对虹膜图像进行滤波、定位、增强等预处理,再利用相位谱互相关匹配算法对虹膜图像进行识别,最后,进行了小样本的实验。实验结果表明,该方法是可行的,并且识别准确率高,速度快。     

基于树型结构小波变换的虹膜识别方法

虹膜具有可靠性、唯一性、不可伪造性及不可侵犯性等优点,虹膜识别与其它的人类特征识别相比有更高的安全性.提出一种新的虹膜识别方法,该方法利用树型结构小波变换提取虹膜纹理特征,通过计算虹膜间马氏距离进行匹配,最终实现虹膜识别.实验结果表明,与现有算法相比,该算法识别速度快,提取特征的效果好.     

一种基于Morlet小波变换的虹膜识别算法

虹膜识别包括虹膜定位、特征提取以及模式匹配几个步骤。文章提出了基于虹膜灰度梯度分析的新定位算法和基于Morlet小波变换的特征提取算法。首先对沿瞳孔半径方向展开的虹膜图像通过寻找灰度梯度最大值位置的方法进行虹膜定位;然后根据虹膜生理的特点对虹膜图像进行分区,对不同的虹膜区域采用一维和二维Morlet复小波变换相结合的特征提取算法,并用二比特格雷编码来表征提取的虹膜纹理的相位信息;最后通过计算虹膜间的Hamming距进行匹配,最终实现虹膜识别。实验结果表明,与现有算法相比,该算法识别速度快,提取特征的效果好,在实验室身份认证系统中表现出很好的识别效果。     

基于权值相位差的虹膜匹配算法

虹膜识别是最具发展前途的生物识别技术之一,由于虹膜匹配和评价作为虹膜识别的核心步骤直接影响虹膜识别的准确率,提出一种新的基于权值相位差的虹膜匹配算法。首先对定位好的虹膜图像重新采样,其次对其进行归一化处理,得到矩形虹膜图像。然后利用频域变换处理矩形虹膜图像。最后采用新的虹膜匹配算法利用全部相位信息和部分振幅信息来进行虹膜的匹配。虹膜纹理信息主要集中在虹膜环靠近瞳孔的位置,这部分区域纹理信息密集,本文提出的基于权重函数的方法能经过实验验证,该算法有效地突出虹膜纹理低频信息部分快速准确,提高了匹配效率,为虹膜识别的匹配和评价核心步骤提供了一个新的方法。     

基于能量最大响应方向的虹膜识别算法*

为提高虹膜识别算法的正确识别率,给出了基于能量最大响应方向的虹膜识别算法。该算法首先对人眼图像进行预处理得到归一化虹膜图像,并依据归一化虹膜纹理的分布特点,选择多尺度多方向滤波技术对归一化虹膜图像进行分解;然后提取最优分解尺度下像素点的能量最大响应方向数,进行二进制虹膜编码和去噪;最后通过计算两个虹膜编码间的加权海明距离和衡量两者的差异性,给出识别结果。实验证明,在等误率为0.1176 时,正确识别率达到99.997%。与经典的虹膜识别算法相比较,该算法具有更高的识别率。