基于多子区域联合的高适应性虹膜识别算法

 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.     

基于局部分块特征的快速虹膜身份鉴别算法

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.     

一种快速高效的虹膜识别算法

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。     

一种基于神经网络的虹膜识别算法

虹膜识别是一种非侵犯性的身份鉴别技术.本文讨论了虹膜图像定位、归一化和增强等预处理方法,并提出了一种基于神经元网络的虹膜图像识别算法,它是对提取的归一化矩形虹膜纹理数据用训I练的自组织特征映射(SOM)神经网络进行虹膜模式识别.实验表明,该方法识别正确率高,效果良好.     

一种基于相位一致性的虹膜识别方法

由于虹膜具有惟一性、稳定性、不可更改性等优点,虹膜识别已经成为生物特征身份识别领域中的研究热点。为了简化特征提取方法并提高虹膜识别的准确性,提出一种基于相位一致性的虹膜识别方法。该方法利用相位一致性所具有的较强特征检测能力,提取虹膜纹理的边缘点标记纹理的位置信息,将位置特征作为虹膜纹理的可区分性特征实现虹膜识别。在CASIA-IrisV3-Interval图像库上进行实验的结果证明,该方法是可行的,也是有效的,并且具有较高的识别准确性。     

基于二进小波变换的虹膜识别算法研究

讨论了虹膜图像定位等预处理方法，并提出了基于二进小波变换过零检测的虹膜图像识别算法，利用图像在不同分辨率下的特征表示，对虹膜上的采样同心圆计算不同分辨率下的过零小波变换，产生1－D信号，然后对它用相异度函数与模板特征比较。实验表明，该方法克服了漂移、旋转和比例放缩带来的局限，并且识别率高，效果良好。     

基于局部方向特征的虹膜识别算法

特征提取和匹配是虹膜识别中的关键部分.本文描述了一种新颖的虹膜特征提取和匹配方法,利用多方向的二维奇对称Gabor小波来提取虹膜纹理的局部方向特征.特征匹配采用类似欧氏距离的方法来进行.同时对每一幅虹膜图像,采用它的眼睑和睫毛以及反光的分布做为匹配模板,能够最大程度的减少它们的干扰.实验结果表明,本算法具有非常好的识别性能.     

一种新颖的基于小波变换的虹膜识别算法

虹膜识别是一种新兴的生物识别技术,研究了虹膜图像的快速定位、增强等预处理方法,并提出了一种新颖的基于二维小波变换的虹膜识别算法,它的基本思想是:对预处理得到的虹膜图像进行四层小波分解,对得到的低频和高频系数抽取115维特征矢量,最后用汉明距离进行图像匹配判决合法性.实验证明,该算法运算速度较快,在图像模糊、噪声干扰等不利条件下仍具有良好的稳健性.     

虹膜识别算法的研究及实现

Daugman提出的虹膜识别算法具有准确性高，速度快的，但是有关该算法的具体实现却未见文献报道。对Daugman的算法进行了研究，工尝试该算法的实现，提出了一种新的粗定位和精定位相结合的算法来快速位虹膜。在滤波过程中仅利用了实部滤波器就可减少代码长度，而不影响识别效果，其中包括图像的预处理，多尺度2D Gabor滤波器的构造，虹膜码及Hamming距离的计算等。实验结果表明，该方法计算速度快，提取特征的效果好，可用于实际的身份鉴别系统。     

一种新颖的虹膜识别算法

虹膜识别通常包含虹膜定位、特征提取以及编码和识别几个关键步骤。本文提出的算法从建立虹膜灰度图像的直方图入手，分析虹膜边界的灰度阈值，依靠投票机制完成虹膜的定位；然后根据人眼的生理构造特点将虹膜分区，再对经过分区处理形成的虹膜纹理特征图像用一维连续Gabor复小波提取虹膜纹理特征点的相角信息；最后对相角信息以二比特格雷码实现一次编码和循环差分二次编码，利用特征多项式计算进行比较的两个虹膜的特征差异矩值(P_frfs)，根据判定阈值(P0)判定，最终实现虹膜识别。     

小波变换在虹膜图像特征提取与识别中的应用

文章从虹膜图像的灰度直方图入手,分析了虹膜图像的结构及其灰度分布,在此基础上,完成虹膜图像的内、外边缘的定位和归一化;利用小波变换对分区后的虹膜图像进行分解,实现了虹膜的纹理特征提取和识别。实验结果表明,该方法运算速度快,准确度高,能较好的满足虹膜识别的实际要求。     

A Novel and Efficient Feature Extraction Method for Iris Recognition

With a growing emphasis on human identification, iris recognition has recently received increasing attention. Iris recognition includes eye imaging, iris segmentation, verification, and so on. In this letter, we propose a novel and efficient iris recognition method which employs a cumulative‐sum‐based grey change analysis. Experimental results demonstrate that the proposed method can be used for human identification in efficient manner.     

Iris Recognition Technique

The demand on security is increasing greatly in these years and biometric recognition gradually becomes a hot field of research. Iris recognition is a new branch of biometric recognition, which is regarded as the most stable, safe and accurate biometric recognition method. In these years, much progress in this field has been made by scholars and experts of different countries. In this paper, some successful iris recognition methods are listed and their performance are compared. Furthermore, the existing problems and challenges are discussed.     

Iris Recognition Technique

1 Introduction We are living in the age, in which the demand on security is increasing greatly. Consequently, biometric recognition, which is a safe, reliable and convenient technology for personal recognition, appears. This technology makes use of physiological or behavioural characteristics to identify individuals[1]. A biometric system is a pattern recognition system including acquiring the biometric feature from individual, extracting the feature vector from the raw data and comparing this…     

基于多分类的虹膜匹配方法

在传统的虹膜识别系统中,虹膜匹配被认为是一个二分类问题：类内匹配和类间匹配。许多已存在的方法简单地利用距离来执行虹膜匹配。由于这些方法不能很好地利用虹膜特征,所以会产生很高的拒识率和误识率,且鲁棒性不强。为了解决这些问题,提出把虹膜匹配当作一个多分类问题,采用一种新颖的蕨算法（Ferns）分类器来完成该工作。相比支持向量机（SVM）分类器,在执行虹膜匹配时,Ferns分类器有诸多优点。为了对提出的算法给出全面评价,实验中分别在认证和识别这2种模式下对该算法进行测试。实验结果证明,提出的方法可以极大地改善虹膜识别系统的性能。     

基于模板匹配算法的字符识别研究

文中提出了一种基于模板匹配的字符识别算法。该算法在对输入的字符进行预处理的基础上对字符进行特征量提取,预先将字符分成若干个集合;然后再对各集合中的字符进行模板匹配,最终对字符做出判决。试验结果表明,模板匹配算法保证了字符识别的正确率,而对字符进行预分类,则缩小了模板匹配的字符对象范围,弥补了模板匹配算法对于大量字符耗时多的缺点。