论文部分内容阅读
在众多的生物特征识别技术中,虹膜识别技术具有可靠性高、唯一性、不可伪造性及不可侵犯性等优点已受到生物特征识别领域学者广泛关注,已成为生物特征识别领域的研究热点。 本文通过在研究与分析国内外现有的虹膜识别技术基础上,针对现有的技术仅对先前的技术改进或重新组合,未能实现最优的图像表示方法应该具有多分辨特性、区域性和方向性等任意方向的特征提取等问题。为了更加有效地表示和处理图像的高维空间数据,满足在各个尺度各个方向上对虹膜图像进行特征提取需求。本文提出了一种基于Contourlet变换的虹膜特征提取模型。该模型主要包括:虹膜特征能量补偿子模型和虹膜特征加权子模型。 本文提出的虹膜特征提取模型,使得虹膜特征能量补偿子模型和虹膜特征加权子模型实现互补性。虹膜特征能量补偿子模型充分考虑了虹膜图像特征和Contourlet变换的特性,使二者更有效的融合在同一个模型中,提高了虹膜特征提取的有效性;虹膜特征加权子模型充分考虑了虹膜特征Contourlet变换系数的数学统计特性,强化了虹膜特征,使其具有更好的实用性。 针对Contourlet变换在不同方向子带能量捕获能力不平衡,直接用其进行特征提取所得到的特征值不能反映真实的虹膜特征的问题,本文在能量补偿模型中提出了正交能量补偿算法。该算法用正交虹膜图像的特征值对原虹膜特征值进行能量补偿,具有一定的自适应能力。针对Contourlet变换提取的特征是图像的局部特征,对于不同的虹膜图像各个方向子带特征的分类能力不同的问题,为了使算法具有更好的实用性,本文在特征加权模型中提出了一种特征加权算法。该算法用广义高斯模型参数估计的方法计算特征权值,对分类能力强的特征量赋予较大的权值。 通过CASIA虹膜数据库中大量样本的实验比对表明,通过本文的虹膜特征提取方法所实现的虹膜识别系统其识别正确率大幅提高,因此该方法具有一定的实用价值。