论文部分内容阅读
虹膜识别是一项复杂的系统工程,识别过程中的每一个环节都将影响最后的识别效果,相对于比较成熟的识别算法而言,现在最大的瓶颈是图像的质量评价,所以在搭建虹膜识别系统的基础上再设计一套“稳、快、准”的虹膜图像质量评价模式是本论文的主要研究内容。 本文提出了一种新的虹膜图像质量评价方案。按照虹膜噪声的不同来源进行了分类,分离出了对图像质量影响最大的四种主要噪声来源:失焦模糊、运动模糊、睫毛遮挡、眼睑遮挡。对这四种情况分别设计相应算法进行评价。 (1)情况一:对于失焦模糊图像提出了一种“基于小波包局部能量加权”评价算法。 (2)情况二:对于运动模糊图像根据CCD两种不同工作方式设计不同的评价算法。 (3)情况三:对于睫毛遮挡图像在局部分析其特征子频带能量方法进行评价。 (4)情况四:对于眼睑遮挡图像提出利用其评价区域灰度差值方法进行评价。 论文中所设计的评价方案弥补了以往评价算法对虹膜图像统一评价的局限性,根据不同噪声情况下虹膜图像的不同特点,按噪声来源设计不同算法进行分类评价。从而提高了评价的鲁棒性,准确性和全面性。并且在算法的设计中合理引入了局部化,小波包分解,以及加权思想,在评价过程中充分利用了虹膜自身的纹理分布特点,其设计思想对其他图像的质量评价也具有一定的借鉴意义。并且用我们所提出的算法对CASIA和HIT虹膜库分别进行了评价。 实验结果证明其评价结果和人眼主观评价结果完全吻合,是一种有效可行的虹膜图像质量评价方法。