论文部分内容阅读
随着人们对信息安全的重视,虹膜识别已经成为应用数学、模式识别、图像处理、信息安全等交叉学科的热门研究课题。虹膜识别系统主要由虹膜图像获取、图像质量评估、虹膜图像的预处理、特征提取与识别这四部分组成。虹膜图像的预处理是非常关键的一环。虹膜图像的预处理主要包括噪声检测,虹膜定位以及虹膜图像的归一化。其中,噪声检测是本文讨论的重点。现有的大多虹膜特征提取与识别算法对虹膜图像的质量有一定的要求,对质量较好的虹膜图像效果较好,但实际应用中图像质量很难保证。大多数虹膜图像中的虹膜区域都存在着眼睑和眼睫毛遮盖。本文在系统介绍了大量虹膜噪声处理算法的基础上,分别提出了一种眼睑定位和眼睫毛检测的算法,定位眼睑和检测并去除眼睫毛噪声,目的是为了提高定位和识别的速度和效率。本文主要工作如下：在眼睑定位方面,根据Gabor滤波器,形态学,梯度等一些数字图像处理的相关知识,提取出眼睑边界点的二值化图像,运用改进的抛物线对眼睑边界点进行拟合,并且设定一个判断标准进行线性迭代,直到最优为止。在眼睑定位的基础上,根据抛物线的形状在原图像中截取出虹膜图像用于眼睫毛检测。运用Gabor滤波器,自适应阈值等一些数字图像处理的方法检测出虹膜的眼睫毛噪声.。虹膜的噪声主要包括眼睑遮挡和眼睫毛遮盖两个部分。本文给出了眼睑定位和眼睫毛遮盖的算法。生成虹膜噪声模板,用来排除眼睑和眼睫毛的影响。本文主要选用了CASIA-IrisV3-Lamp虹膜数据库进行实验,用Matlab编程实现该算法,在CASIA-IrisV3-Lamp数据库中下眼睑的定位准确率高达99.5%,由于CASIA-IrisV3-Lamp上存在大量上眼睑遮挡严重的图像,准确率相对较低,为95.2%。眼睫毛检测的准确率为98.6%。