论文部分内容阅读
随着传统身份认证技术出现的漏洞和不足,身份安全问题地解决迫在眉睫。因此人们开始对生物特征认证技术进行研究,作为最可靠的生物特征认证技术之一的虹膜识别,因其唯一性、稳定性、高可靠性和非侵犯性等优点而备受关注,形成了生物特征识别的新领域。通过图像获取装置采集到的虹膜图像除了包括虹膜区域外,还有巩膜、眼睑、眼睫毛、光斑等噪声。因此把眼睑等噪声检测出来,同时确定出虹膜的准确位置便成了虹膜识别中最为关键的步骤之一。
本文对虹膜识别前期图像预处理进行了研究,主要工作如下:
一、改进了传统RADON变换检测眼睑的算法。针对传统RADON变换检测眼睑算法的不足,本文主要进行了如下改进:剪裁图片获得包含眼睑的感兴趣区域;用一种综合评价算子(GAC,General Assessment ofCoefficient)来选择RADON变换矩阵里面的最优亮点。实验证明该算法在眼睑检测,特别是直线型检测的时候,不仅保持了较高的准确率,同时很大程度上降低了平均实验耗时。
二、设计了一种基于坐标投影和模糊最大熵(Fuzzy MaximumEntropy,FME)的虹膜定位算法。该算法分为虹膜内边界定位和外边界定位两个步骤。内边界定位是多次进行坐标投影得到瞳孔区域参数,从而定位出虹膜的内边界;对于外边界定位,首先利用模糊最大熵把原始虹膜图片的灰度等级进行了调整,使边界轮廓更加突出,然后利用坐标投影理论获得外边界的候选点集,接着本文用了两个模板对上面得到的候选点集进行投票,最后根据虹膜的圆形特征确定出虹膜的位置参数。实验证明该算法在准确率,特别是实验耗时方面都取得了较好的效果。
三、本文用中科院CISIAV1.0虹膜库的图片对以上两个算法进行了实验和仿真。通过实验证明本文的眼睑检测算法在检测直线型眼睑的时候,较其它算法具有明显的优势;同样虹膜定位算法在定位轮廓明显呈现圆形的虹膜时候,效果比较明显。