伍尤富

（韶关学院物理与机电工程学院，广东 韶关 512005）

随着信息技术的飞速发展，信息高度交互，身份识别的难度和重要性越来越突出。基于生物特征的身份识别技术作为一个新兴的领域，具有非侵入和自然交互等优点，已经吸引了越来越多的研究人员[1]。目前，主要的识别技术包括人脸识别、声音识别、指纹识别和虹膜识别等技术。虹膜是人体瞳孔与巩膜之间的环状部分，它具有唯一性、稳定性、虹膜图像获取的非侵犯性等特点，与人脸、声音识别相比，虹膜识别具有更高的准确性，所以虹膜识别已成为当前生物识别研究的热点。

目前，在虹膜识别研究方面，Daugman首先提出了利用2D-Gabor滤波器对虹膜纹理进行局部相位量化和编码，该算法准确性高，速度快，是目前虹膜识别商用系统的基础，但这种算法需要处理纹理的二维信息，增加了特征提取和运算时间；Wildes采用高斯型滤波器在不同分辨率下分解虹膜图像，并把结果进行存储比较，计算量比较大；Boles提出了一种新颖的基于小波变换过零检测的虹膜识别算法，只在小样本集里取得了有限的结果，这种算法对灰度值比较敏感，因而识别率比较低[2]。本文提出了一种基于核主成分分析和支持向量机相结合虹膜特征提取与识别方法，该方法首先利用KPCA进行非线性特征提取，并根据SVM和距离度量各自的特点，采用了SVM和距离度量相结合的两极分类方法，以减少进入支持向量机训练的样本数目，实验表明该方法能有效地提高识别率，加快了识别速度，具有较好实用性。……