面向虹膜识别的纹理描述算法研究

作     者：廖奕艺 

作者单位：杭州电子科技大学 

学位级别：硕士

导师姓名：叶学义

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：虹膜识别 多方向中心对称局部二值模式 汉明距离 修正的正确识别率 二次匹配 

摘      要：信息技术的飞速发展,要求生物特征识别技术为信息安全提供更有效的保护手段。虹膜作为生物特征之一,因其纹理的复杂性、唯一性、稳定性和非侵入性等优点使得虹膜识别技术广泛应用于司法、金融、安检等对安全性要求更高的领域。虹膜识别系统通常包含虹膜图像采集、虹膜图像预处理、特征提取以及特征匹配,其中特征提取是虹膜纹理描述的实现,通常也称为纹理表征,对于虹膜识别的准确性和鲁棒性起着关键作用,因此本文针对虹膜纹理描述,尤其是虹膜纹理的稳定表征开展相关研究,主要研究内容如下:(1)为提升虹膜纹理的表征效果,获得稳定的局部纹理信息表达,提出基于多方向中心对称局部二值模式(MDCS-LBP)的虹膜识别算法。首先考虑像素点之间的关联性,以方向邻域和中心邻域为基础计算加权灰度值,为构建特征映射提供更多信息;然后在中心对称编码的基础上,兼顾中心加权灰度值在虹膜纹理表征中的作用,对编码方式进行改进,生成虹膜纹理表征信息;最后,采用阈值二值化的方式对特征进行降维,获得二值特征模板,并使用汉明距离计算二值特征模板之间的匹配分数,实现虹膜分类;同时针对评价指标正确识别率(CRR)存在的不足,提出了修正的正确识别率(MCRR)。在CASIA.V1、CASIA.V3-Interval、JUL6.0和CASIA.V4-Lamp 4个不同质量的虹膜数据集中,所提算法的MCRR分别为99.86%、99.94%、99.64%和97.97%,与Daugman算法相比,等错误率(EER)分别降低了0.97%、0.58%、2.12%和5.93%;与SCCS-LBP算子相比,等错误率分别降低了0.22%、0.03%和0.52%,实验结果表明所提算法能够有效表征虹膜纹理,具有较好的识别准确性和鲁棒性。(2)虹膜图像质量下降及虹膜纹理弹性形变引起识别准确率和算法鲁棒性下降的关键原因是单一虹膜纹理表征模式对虹膜纹理信息表征的不充分,特别是表现为类内距离和类间距离过于接近或者重合而产生无法正确分类的障碍,由此提出基于MDCS-LBP算子和2D-Haar小波的虹膜二次匹配算法。首先使用MDCS-LBP算子获取空域虹膜纹理表征完成首次匹配;其次,针对首次匹配中由于类内距离和类间距离过于接近或者重合的虹膜图像,利用2D-Haar小波对噪声不敏感的特点,获取虹膜纹理的频域表征进行二次匹配,实现对首次匹配中容易引起错误的虹膜图像的分类。在CASIA.V1、CASIA.V3-Interval和CASIA.V4-Lamp虹膜数据集中,所提算法的MCRR分别为99.92%、99.96%和98.77%,与2D-Haar小波算法相比,等错误率分别降低了1.13%、0.38%和1.81%;与MDCS-LBP算子相比,等错误率分别降低了0.02%、0.04%和1.14%。实验结果表明所提出的虹膜二次匹配算法针对高质量虹膜图像识别准确率高;针对虹膜图像质量下降及虹膜纹理弹性形变能够有效抑制识别准确率的下降,提升算法鲁棒性。