文档介绍：摘要忡进行了可用于身份鉴别、保护信息安全的生物特征识别技术因此越来越受到人们的重视。论文的最后对本文的虹膜识别算法在缒な菘关键词:虹膜识别、虹膜定位、归一化、图像分割、二维小波随着信息技术的发展,信息安全日渐成为人们面临的一个重要而迫切的问题。虹膜识别技术是一种新兴的生物特征识别技术。它与其他生物特征识别技术肝识别,面部识别,声音识别等啾染哂幸韵录父鎏氐悖何榷ㄐ浴⒏呖煽啃院头墙触性。这些特点使得虹膜识别具有非常广阔的应用前景。本文研究了一种基于二维小波变换的虹膜识别算法。该算法在前人研究的基础上,对虹膜识别的三个阶段缒ね枷裨ご怼⒑缒ぬ卣魈崛⑵ヅ涫侗都做了一定的改进和创新。首先,在虹膜图像预处理的虹膜定位算法中。本文给出了一种改进的虹膜定位算法。该算法把虹膜定位分成内边缘定位和外边缘定位两个部分,并把重点放在内边缘定位上。并在内边缘定位算法中,首先对虹膜图像二值化,然后用算子提取边缘。再以浠坏乃枷肜淳范ㄎ缓缒つ诒咴怠M獗咴档亩ㄎ辉采用岢龅脑脖咴导觳饽0謇唇卸ㄎ弧接着,在虹膜图像预处理的归一化算法中,本文采用直角坐标与极坐标映射理论把定位后的图像归一化到一个×的灰度矩阵中。并对归一化后的图像进行两次图像分割,最终分割成个小区域。其次,在虹膜特征提取算法中,本文研究了一种基于二维小波变换的虹膜识别算法。该算法通过对归一化处理后虹膜图像的各个小分割区域进行二维小波变换,提取出主要小波通道的小波系数均值和方差作为特征值。按照该算法提取特征,每个虹膜图像最终能提取出鎏卣髦怠最后,在匹配识别算法中,本文对归一化处理中第一次图像分割后的糠区域分别采用方差倒数加权求和的匹配算法进行识别判决,得到鍪侗鸾峁再用不同的可信度系数来加权这鍪侗鸾峁玫阶钪盏氖侗鸾峁蔚暮缒な侗鹗笛椋⒌贸隽私虾玫氖侗鹦Ч
知识水坝***@pologoogle为您整理
,,甌,甶甀瓹琭簊甤.:琭,..,—瓼×,琲,
知识水坝***@pologoogle为您整理
图目录算子边缘检测结果算子边缘检测结果⋯⋯⋯⋯.勰凹∞如簦夯峋图人眼外观图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯虹膜鹣低郴究蛲肌虹膜识别门禁系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯我国第一台虹膜识别】罨模板⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.平滑处理后的虹膜图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.对应图的虹膜图像狄度直方图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一二值化后图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一算子边缘检测结果算子边缘检测结果⋯⋯⋯⋯⋯.二值化后边缘检测结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一虹膜内边缘定位结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..虹膜的外边缘定位⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~虹膜的完整定位⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..极坐标转换模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一直角坐标转换极坐标狄度矩阵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..虹膜归一化处理结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..一个信号的小波变换滤波族分析二维滤波器族示意图⋯⋯⋯⋯⋯基本小波函数曲线图⋯⋯⋯第一层二维小波变换⋯⋯⋯⋯⋯第二层二维小波变换⋯⋯⋯⋯⋯第三层二维小波变换⋯⋯⋯⋯⋯二维小波变换图像分解步骤⋯⋯二维小波对虹膜图像的三次分解灰度直方图曲线⋯⋯⋯⋯⋯⋯⋯纹理和频谱的对应示意图⋯⋯⋯归一化后虹膜图像⋯⋯⋯⋯⋯⋯图●
图图虹膜纹理颉归一化后虹膜图像的纹理颉归一化矩阵中的虹膜纹理颉虹膜纹理颉归一化矩阵中的虹膜纹理颉归一化图像第二次分割⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..直方图均衡化后的虹膜归一化图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..经过图像增强处理后的个分割区域⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小波基数学函数图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.保留鲂〔ㄍǖ馈电子科技大学硕士学位论文
表目录表区域内进行二维小波变换共提取个特征值⋯.其他分割区域提取的特征值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯来自同一只眼睛的匹配识别结果⋯来自不同眼睛的匹配识别结果⋯⋯不同的闽值隖和涞墓叵..—
签名:簦:杰日期:“年鹿饺签名:盔鱼:日期:州年月了易日独创性声明关于论文使用授权的说明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。确的说明并表示谢意。本学位论文作者完全了