何振红

（甘肃民族师范学院计算机科学系，甘肃 合作 747000）

基于特征加权FDCT和模糊最小二乘支持向量机的虹膜识别算法

何振红

（甘肃民族师范学院计算机科学系，甘肃 合作 747000）

为了克服小波变换在二维空间分析的缺陷，提出了基于快速离散曲波（Curvelet）变换的虹膜识别改进算法。利用能有效捕捉图像边缘信息的Curvelet变换对虹膜图像进行分解，提取低频子带系数矩阵的均值方差和高频子带能量，然后根据不同子带特征的分类能力不同，对各子带特征的离散度进行加权，为分类能力较强的特征向量赋予较大权值，构成虹膜图像的特征向量。利用最优二叉树多类模糊最小二乘支持向量机分类器进行分类与识别。仿真实验结果表明，该算法具有较高的识别性能，具有可行性。

虹膜识别；特征加权；快速离散曲波变换；模糊最小二乘支持向量机；最优二叉树

1 引言

虹膜纹理以其唯一性、高稳定性、高可靠性和低错误率的特点，已成为生物特征识别中极具发展潜力的身份识别技术，具有重要的研究价值和应用意义，被广泛应用于金融、企事业、公共安全等领域，成为生物识别领域中研究的热点之一。

虹膜识别包括图像采集、定位、特征提取和分类识别4个部分。其中特征提取是虹膜识别的关键环节，决定了识别系统的性能。目前常用的虹膜特征提取方法有：Daugman［1］利用2D-Gabor滤波器的局部方向性提取虹膜纹理图像的相位信息作为虹膜特征编码；Wildes［2］利用 Laplacian金字塔滤波器分解提取虹膜特征；……