张 震， 邵星星

(郑州大学 电气工程学院 河南 郑州 450001)

一种SIFT虹膜匹配算法

张 震， 邵星星

(郑州大学 电气工程学院 河南 郑州 450001)

尺度不变特征变换(scale invariant feature transform，SIFT)算法是目前图像研究领域的热点，它具有良好的尺度、旋转、光照、噪声等不变特性.在特征提取方法上，利用SIFT算法提取虹膜纹理的特征向量，由于提取出来的虹膜特征向量是128维，占用内存空间大，因此提出用Harris角点对初始特征点进行筛选，选择高对比度的点作为最终的虹膜特征向量；在匹配方法上，使用街区距离进行虹膜图像特征匹配，进一步提高虹膜图像匹配的速度.实验结果表明，改进的算法在保持鲁棒性的同时,提高了SIFT特征匹配效率，能够为一些快速应用提供保障.

SIFT算法； Harris角点； 特征提取； 街区距离

0 引言

虹膜识别是指利用人眼虹膜区域进行身份鉴别的技术.虹膜因其可采集性、稳定性、唯一性及非侵犯性等优点逐步受到人们的重视，已发展成为主流的生物特征识别手段.它以快速的识别率、简单的算法和极低的错误识别率逐渐应用到如电子商务、身份识别、考勤、数据加密等一些领域.传统经典的虹膜识别方法主要有：Daugman提出的基于Gabor滤波的方法，从定位出的虹膜图像中提取虹膜纹理相位信息进行编码，进而通过Hamming距离进行匹配的虹膜识别算法[1];Boles提出了基于小波变换过零点的算法，提取虹膜图像过零点的点作为特征向量，使用相似度进行匹配[2];Wildes等采用高斯-拉普拉斯金字塔获得不同分……