文档介绍：ClassifiedIndex:.:: YULISupervisor: : : DoctorofEngineeringSpecialty: ComputerApplicationAffiliation: puterScienceandTechnologyDateofDefence: May,2006Degree-Conferring-Institution: HarbinInstituteofTechnology摘要伴随着信息技术的迅猛发展,人们对信息安全的要求也相应的提高。传统的身份识别方法由于其自身固有的缺点已经不能满足社会发展的要求,生物特征识别技术应运而生。作为生物特征识别技术的一个重要组成部分,虹膜识别有着非常高的准确性和可靠性。同其他生物特征相比,虹膜具有很多可区分的信息。通过分析研究虹膜上丰富的纹理特征,结合不同的特征提取方法和分类器可以实现虹膜的身份认证。虹膜作为人体上的一个重要器官,不仅在身份识别中具有重要的作用,在医学诊断方面,虹膜也具有一席之地。在西方,虹膜诊断学(Iridology)已经经历了一百多年的发展,逐渐形成了一套完整的体系。虹膜诊断是利用个体虹膜图像中发生变异的细节结构,如虹膜中出现的坑洞、裂缝、斑块、线条、颜色变化,通过判断虹膜的这些异常达到疾病诊断的目的。基于虹膜身份识别和虹膜诊断的不同应用领域,本文从虹膜图像的纹理和结构两方面入手,对虹膜图像的特征进行了详细的分析。主要研究内容包括以下几个方面:,需要参数累加计算等缺点,提出了结合虹膜灰度特点的最长弦检测的快速虹膜定位方法。它利用了虹膜瞳孔的生理特征,在二值化后的虹膜图像中寻找水平最长弦,从而定位瞳孔的大致位置,在此基础上经过进一步的细化提取准确的瞳孔中心位置。然后结合微积分算子完成虹膜外边缘的检测。极坐标转换的虹膜归一化方法,消除了图像旋转平移的干扰。计算过程分析与实验结果都表明该算法计算次数大大减少,从而缩短了计算时间。在保证定位成功的前提下,定位精度也达到了亚像素级水平。。首先定义并研究了虹膜图像的纹理复杂度,然后利用计盒维数法计算虹膜图像的分形维数,得到上下两组分形维数值。最后利用双阈值算法和BP神经网络对虹膜进行分类。根据虹膜纹理的复杂度,将虹膜分成了四类。考虑到边界效应的存在,我们在原有的分类基础上增加了三条补充原则,%。。结合虹膜图像局部纹理细节的结构信息和统计信息,利用一组多尺度的Gabor滤波器对预处理后虹膜进行滤波,然后提取每个子块图像中的关键点,计算关键点之间的相对距离,以此作为虹膜的特征。最后利用不同虹膜特征的欧几里德距离来判断相似性。,总结分析了虹膜诊断中的结构特征,并根据形态将其分成六大类。基于虹膜卷缩轮ANW(erveWreath)在虹膜诊断中的重要作用,研究了基于二阶优化算法的改进Snake模型用于ANW的边缘提取。首先利用一阶优化算法自动搜索位于ANW边缘附近的初始蛇点,然后通过二阶优化算法将位于真实的ANW边缘的蛇点准确提取出来。最后通过平滑以及设置自动调节的权重系数,得到一条平滑闭合的ANW曲线。关键词:虹膜识别;计盒维数法;特征分析;Snake模型;卷缩轮提取AbstractWiththerapiddevelopmentofinformationtechnologyinsociety,,,paredwithotherbiometricfeatures,