基於多方向Gabor和Adaboost虹膜識別方法
2023-09-21 10:30:55 4
專利名稱：基於多方向Gabor和Adaboost虹膜識別方法
技術領域：
本發明涉及數字圖像處理和模式識別，尤其涉及一種基於多方向Gabor和 Adaboost的虹膜識別方法，屬於生物特徵識別及安全認證技術領域。
背景技術：
在現代社會中，隨著網絡技術的高度發展、人員流動的急劇頻繁，一種安全可靠、 方便高效的身份認證系統顯得尤為重要。傳統的身份識別主要有兩種標識物品(鑰匙、身份證件等)和標識知識(用戶名、密碼等)。但在實際應用中，其存在易丟失性、易偽造性、非唯一性和應用範圍相對較小等不足，使人們迫切需要一種可以克服上述缺陷的身份識別方法。在需求的驅動下，基於人臉、指紋、虹膜、手形、筆跡等生物特徵的識別技術應運而生。
目前，國內外有很多虹膜識別系統。其中Daugman博士實現的基於Gabor的虹膜識別系統是最早提出的可以實際應用的虹膜識別系統。在虹膜識別系統中，首先要採集虹膜圖像，然後在採集得到的虹膜圖像中分割虹膜區域，最後在歸一化後虹膜圖像上提取特徵並進行匹配。其中虹膜特徵提取是影響系統性能的主要因素之一，現有的虹膜識別算法大多對虹膜圖像的質量要求較高。然而，自然光下採集得到的虹膜圖像會受到睫毛、眼瞼、 光照、晃動等因素的影響，致使採集到的虹膜圖像質量欠佳，針對這類低質量虹膜圖像，需要一種有效的虹膜特徵提取和識別算法。發明內容
本發明的目的是提供一種基於多方向Gabor和Adaboost虹膜識別方法，具有很好的識別性能，克服了現有技術上述方面的不足。
本發明的目的是通過以下技術方案來實現一種基於多方向Gabor和Adaboost虹膜識別方法，其包括如下步驟 1)對歸一化的虹膜圖像分塊並提取二維Gabor特徵，並計算對應塊之間的Hamming距離，其具體包括以下步驟1. 1)將展開的虹膜圖像均勻劃分為M行、N列，得到MXN個虹膜圖像子模塊； 1. 2)使用同一尺度八個方向的Gabor濾波器作用於步驟1. 1)中歸一化後的虹膜圖像子模塊，然後根據Gabor實部對圖像濾波結果的正負進行編碼；其中Gabor濾波器的表達式如下χ' = xcosB -ι-ysm-θ , y' = -xsm9 4- ycos&, θ 是 Gabor 濾波器的方向，θ = -π/Ε, i = 0X2,-J ,V和Z分別為Gabor濾波器的水平和垂直中心頻率， Α.和~分別是高斯包絡沿著Λ軸和}；軸的空間常數，其代表Gabor濾波器的尺度； 特徵編碼的表達式如下其中I是虹膜圖像，G是Gabor濾波器，功巧點』—表示濾波結果的實虛部符號,為特徵編碼；1.3)按照公式
權利要求
1.一種基於多方向Gabor和Adaboost虹膜識別方法，其特徵在於，其包括如下步驟.1)對歸一化的虹膜圖像分塊並提取二維Gabor特徵，並計算對應塊之間的Hamming距離；以及.2)使用Adaboost算法對步驟1)中得到的分塊距離進行分類識別。
2.根據權利要求1所述的基於多方向Gabor和Adaboost虹膜識別方法，其特徵在於， 步驟1)具體包括以下步驟·1. 1)將展開的虹膜圖像均勻劃分為M行、N列，得到MXN個虹膜圖像子模塊； 1. 2)使用同一尺度八個方向的Gabor濾波器作用於步驟1. 1)中的虹膜圖像子模塊，然後根據Gabor實部對圖像濾波結果的正負進行編碼，其中， Gabor濾波器的表達式如下
3.根據權利要求2所述的基於多方向Gabor和Adaboost虹膜識別方法，其特徵在於， 步驟2)具體包括以下步驟.2. 1)設置一個樣本訓練集Kx1JiX"(%, )}, Xi = C*,! …，, V1 G {+1,-1},i=l,2,…，N，M是向量&的維數，其中I是整個虹膜圖像形成的特徵向量與分塊之後的特徵向量結合而成的多維特徵向量，當兩張虹膜圖像子模塊來自同一人眼時，J =i,否則 ν =—1 ；.2. 2)通過公式=DiM= i/l!'= 1,···,!￥,對樣本訓練集進行權重出始化，然後對有權重分布的樣本訓練集進行訓練學習，得到一個弱分類器I ； iA· ^ {-i-fl} ；t=l，2，…，T，T 為迭代次數；.2. 3)選擇步驟1)中的一個特徵，然後通過公式= X 年啡J,m=l，2，…，M，計算出弱分類器^在樣本訓練集中的分類錯誤率= mm sm ,當& > 0.5時，令T=t-1，並跳出循環；.2. 4)通過公式、=α5 χ h ρ -軌],計算出弱分類執的權重 ；.2. 5)通過公式UO = Dt(i)exp tatyX(xt)l/L·更新樣本訓練集權重，並且對樣本訓練集進行歸一化；.2. 6)根據公式獲得最終的分類器，該分類器的特徵即為虹膜圖像中特徵向量V的特徵，識別完成。
全文摘要
本發明涉及一種基於多方向Gabor和Adaboost虹膜識別方法，包括1)對歸一化的虹膜圖像分塊提取二維Gabor特徵編碼並計算對應塊的Hamming距離；以及2)使用Adaboost算法對步驟1)中得到的塊Hamming距離進行分類識別。其中特徵提取採用同一尺度下八個方向的Gabor小波，同時將展開的虹膜圖像進行分塊，結合虹膜的整體和局部信息，同時提取整個虹膜圖像和虹膜圖像子模塊的Gabor特徵並且編碼，然後將整體與局部結合起來形成多維特徵向量，並且引入Adaboost算法進行特徵選擇，最後構造分類器進行識別。本發明的有益效果為減少了噪聲影響，解決了低質量虹膜圖像的識別問題，識別性能好。
文檔編號G06K9/00GK102521575SQ20111042179
公開日2012年6月27日 申請日期2011年12月16日 優先權日2011年12月16日
發明者單成坤, 周軍, 張祥德, 王琪 申請人:北京天誠盛業科技有限公司