APP下载

基于空间滤波及子区域截取的虹膜识别系统设计

2011-03-27崔景霞

长春工业大学学报 2011年3期
关键词:特征提取特征区域

崔景霞

(长春工业大学软件职业技术学院,吉林长春 130022)

0 引 言

生物特征识别技术是一门利用人类独特稳定以及可靠的生理特征来识别个体的科学。近年来,多种利用人体各类生理特征如指纹、掌纹、人脸以及视网膜的身份识别方法被广泛研究并应用于安全控制系统。

虹膜是瞳孔与巩膜之间的环形可视部分,具有终生不变性和差异性。人眼中的虹膜由随瞳孔直径变化而拉伸的复杂纤维状组织构成。据推算,两个人虹膜相同的概率是1/1 078,因此,虹膜身份认证技术的效果非常可靠和稳定。并且,由于虹膜是眼睛的外在组成部分,因此,基于虹膜的身份鉴别系统对使用者来说可以是非接触的。唯一性、稳定性和非侵犯性使得虹膜识别技术具有广泛的应用前景[1]。

1 虹膜识别系统组成结构

根据虹膜识别过程的特点和需求,一个完整的虹膜识别系统如图1所示。

图1 虹膜识别系统结构示意图

虹膜识别系统通常包含5个部分:

1)图像获取;

2)图像预处理;

3)图像特征提取;

4)建立虹膜模式库;

5)匹配识别。

2 虹膜特征提取方法

虹膜图像特征提取是虹膜识别技术中十分关键的一个步骤。迄今为止,有关虹膜特征提取的多种方法被提出与研究。如:Daugman[2]利用多尺度小波矩提取虹膜的段纹理结构特征生成2 048位特征向量。Boles与Boashash[3]采用一维小波对沿虹膜中心同心圆的一条采样曲线进行过零点检测提取纹理特征。Gaussian-Hermite矩也被用于虹膜特征[4]提取。近年来,一些新方法如二维小波变换[5]、Gabor滤波器[6]、Log-Gabor滤波器[7]、Haar小波[8]和高斯拉普拉斯滤波器[9]等也被应用于虹膜特征提取中来。……

登录APP查看全文

猜你喜欢

特征提取特征区域
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
一种基于LBP 特征提取和稀疏表示的肝病识别算法
关于四色猜想
分区域
基于严重区域的多PCC点暂降频次估计
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
区域