一种有效的虹膜识别系统使用Contourlet变换和神经网络

年代。Anicham, C.Murukesh
部门的电子&仪表工程Velammal工程学院,印度钦奈- 66

文摘

虹膜识别是最精确和可靠的生物识别系统用于安全purposesThe虹膜识别系统由图像采集、定位、归一化增强、特征提取和分类。分割用于正确的定位虹膜区域的眼睛和它应该消除反射,眼睑,睫毛,学生的声音出现在虹膜区域。该方法使用霍夫变换分割方法,然后从其他虹膜、瞳孔边界检测眼睛的图像以提取噪声。分段虹膜区域归一化虹膜区域之间的空间矛盾降到最低使用Daugman橡胶板模型。归一化虹膜的特征提取的轮廓让变换。LDA, SOM技术是对图像进行分类。虹膜识别是更有效的比使用用户名和密码技术,防止恶意入侵者采取行动。可以使用MATLAB模拟上述识别实验。

关键字

生物、本地化正常化,LDA, SOM

介绍

今天,生物特征识别是一种常见的和可靠的方式进行身份验证和识别人们小时候基于生理或行为特征[1]。人不能忘记或失去他们的物理特性但他们可以失去密码或身份证是用于身份验证。在thesebiometric识别、虹膜识别所认为是最可靠的生物识别技术之一,因为其独特的纹理。此外,虹膜是防止角膜背后的外部环境。虹膜是相对容易获得稳定的人'slife [2]。人类虹膜的形象从而为建立或构成合理的生物签名确认个人身份[3]。这一研究工作致力于减少虚假rejectionby准确的虹膜检测和质量增强[4]虹膜之间不相同甚至同一个人的左、右眼[5]。同时虹膜双胞胎都不相同。不像其他的识别特征,可以随着年龄的变化;虹膜的模式是完全由十个月的年龄和一生期间保持不变。 Iris recognition technology is also accurate because it uses more than 240 points of reference in iris pattern as a basis for a match.[5],[6],[7]. In future, the use of passwords and PIN numbers for authentication becomes unnecessary. These methods are proved to be insecure and unsafe. Biometric identification utilizes many psychological and physical characteristics of an individual. Out of all physiological properties iris patterns are believed to be one of the most accurate. It has epigenetic formation and it is formed from the individual DNA. Eyes of the same individual seem to be very similar but contain unique patterns. Similarly, eyes of the identical twins also exhibit four different iris patterns [7]. This paper is organized as follows Section 1 describes about the introduction. Section 2 gives a full view about iris preprocessing techniques. Section 3 provides details about feature extraction. Section 4 gives a detail explanation about classification.

答:相关工作

在[8],阶段组件是用于虹膜图像的二维离散傅里叶变换阶段用一个简单的匹配策略,基于虹膜识别技术。2 d小波变换特征提取和歧视线性分析的特性与SVM技术减少虹膜模式分类器被用于虹膜识别过程[9]。霍夫变换是申请虹膜定位、拉普拉斯算子的金字塔被用来代表人类虹膜的空间特征,应用了改进的归一化相关匹配过程[10][11]。随着神经网络算法的发展,虹膜识别系统可能获得速度,精度和学习能力。摘要虹膜分割预处理的算法,contourlet特征提取和自组织网络进行模式分类提出了。

虹膜预处理

拟议的虹膜识别系统获得fromthree主要步骤如下:

)预处理包括图像采集、图像虹膜定位、虹膜虹膜归一化、去噪和增强。

b)虹膜特征提取。

c)虹膜特征分类

一个。图像采集

它处理获取虹膜的高质量图像。图像有足够的分辨率和清晰度。取得了良好的对比在虹膜模式与适当的照明。距离可达3米。近红外相机或LED。

b .本地化

霍夫变换是一个标准的计算机视觉算法,可用于确定简单的几何对象的参数,如皱纹和黑眼圈出现在一个图像。使用圆形霍夫变换推导出半径和中心坐标的瞳孔和虹膜区域。基于圆形霍夫变换的自动分割算法是受雇于王尔德[12]。首先,一个边缘地图是由计算强度值的一阶导数在眼部图像,然后阈值结果。从边缘地图,选票在脚腕的空间圆的参数通过每个边缘点。这些参数是圆的中心坐标说我和yc, theradius r,可以定义任意圆根据方程。

在哪里(hj kj)的峰值是抛物线,θj是旋转的角度相对于轴。执行前边缘检测的步骤,偏差检测的衍生品在水平方向上眼睑和垂直方向的检测虹膜的外圆周边界。原因是眼睑的通常水平对齐和眼睑边缘地图将腐败的环形虹膜边界边缘地图如果使用所有梯度数据。踝关节的最大值点空间将对应于最圆的半径和中心坐标定义的边缘点。王尔德等[14],香港和张还利用抛物线的霍夫变换检测眼睑,近似抛物线弧的上下眼皮表示执行前面的边缘检测。只考虑垂直梯度的虹膜边界定位,以减少眼睑的影响当执行圆形霍夫变换,并不是所有的边缘像素定义所需的循环是成功的本地化。执行这不仅使循环定位更准确的[15],这也使它更有效率,因为只有少边缘点投票的脚腕的空间。有许多问题与霍夫变换方法。首先要选择阈值边缘detectionthis导致临界边缘点的去除未能检测圆/弧。其次,霍夫变换是计算密集型由于其bruteforce方法和霍夫变换是notsuitable实时应用程序[16]。 Segment iris- Performs automatic segmentation of the iris region from an eye image. Find circle - Returns the coordinates of a circle in an image using the Hough transform. Linecoords - Returns the x y coordinates of positions along a line.Find line - Returns the coordinates of a line in an image using the linear Hough transform and Canny edge detection to create the edge map. Hough circle - Takes an edge map image and performs the Hough transform for finding the circles in an image. Add circle – A circle generator for adding (drawing) weights into a Hough accumulator array.Nonmaxup – Function for performing non-maxima suppression on an image using an orientation image. Ajdgamma – Adjust image gamma. Image gamma value in the range 0-1 enhance contrast of bright regions, values > 1 enhance contrast in dark regions. Hysthresh - Function performs hysteresis threshold of an image. Canny - Function to perform canny edge detection. Upper and Lower Eyelid Detection Similar to iris outer boundary localization, the proposed method selects two search regions to detect upper and lower eyelids. The pupil centre, iris inner and outer boundaries are used as reference to select the two search regions. The search regions are confined within the inner and outer boundaries of the iris. The width of the two search regions is same with diameter of the pupil. Sobel edge detection is applied to the search regions to detect the eyelids. In order to reduce the false edges caused by eyelashes Sobel kernel is tuned to operate in the horizontal direction.After edge detection step, the edge image is generated. The eyelids are detected using linear Hough Transform method. The method calculates total number of edge points in every horizontal row inside the search regions. The horizontal row with maximum number of edge points is selected as eyelid boundary. In the proposed method, the eyelid boundaries are approximately modeled as straight lines. Edge detection cannot identify all pixels along the eyelid boundaries. The eyelid boundaries are normally occluded by the eyelashes. Therefore the eyelid boundaries are modeled with the straight line approximation.

C.Normalization

一旦虹膜区域成功从眼部图像分割图像分割然后转换,这样它的尺寸固定,以便比较。瞳孔放大不同的照明水平导致虹膜的伸展。这个拉伸引起的眼部图像之间的尺寸不一致。影响因素维度不一致是头倾斜,不同成像距离,眼睛在眼眶内的旋转和旋转的摄像头。正常化过程将产生相同虹膜区域与恒定的维度。规范的行为使同一个虹膜的两张照片在不同条件下工作在同一空间位置特征。也已经发现,瞳孔区域内并不总是同心虹膜区域,因为它是略鼻。这个正常化时必须考虑“doughnutA¢形状的虹膜,人们已经发现,未被发现的地区小相比,虹膜区域的大小。我们将使用Daugman橡胶板模型的标准化[17]。

d . Daugman橡胶板的模型

Daugman建议的笛卡尔坐标转换为极坐标虹膜区域每个像素映射到一双极坐标(r,θ),r和θ所在区间(0 - 1)和(0 2π)。

这个打开可以作为制定

我(x (r,θ),y (r,θ))我(r,θ)

这样

X (r,θ)(第一轮)xp(θ)+ r X(θ)(3)

Y (r,θ)(第一轮)yp(θ)+ r Y(θ)(4)

我(x, y) (x, y)、(r,θ),(xp, yp), (xi, yi)代表虹膜区域,笛卡尔坐标系,极坐标,瞳孔和虹膜边界方向的坐标分别为θ。因此这种表示方法通常称为胶板模型。

e .图像增强UsingWeiner过滤器

噪音的结果虽然正常化过程虽然捕获图像中一些光幻觉的结果被提高。图像的对比度和亮度将增加,用来表示图像的灰度值。

特征提取

个人的准确识别是通过提取最歧视的信息出现在一个虹膜模式。只有必须编码虹膜的显著特征。创建一个生物特征模板的虹膜识别系统利用虹膜图像的带通分解。模板生成的特征编码过程需要一个相应的匹配度量提供了一个衡量两个虹膜模板之间的相似度。这个指标相比,相同的模板生成的眼睛给范围的值称为同类比较和另一个范围的值也是通过比较相同的模板创建不同的虹膜这称为类的比较。值的范围应该是独特的和独立的,以确定两个模板是来自相同或不同的虹膜。特征提取是一种降维的特殊形式。输入数据时发现太大需要处理和臭名昭著的冗余(多数据,但信息)输入数据将被转换为一个表示减少的特性。

一个。提取的特征byContourlet

用于特征提取的归一化虹膜图像预处理后的图像。从虹膜图像中提取特征的锥体和方向滤波器级别2次能带。一般一维变换,傅里叶变换和小波变换等,如伽柏小波只擅长捕捉点和捕获图像的边缘,由于这种特点这些将不会提供平滑的轮廓在连续域添加到它开始开发,然后离散采样数据。在这个方法虹膜图像的特征提取是利用contourlet变换。Contourlet变换用于特征提取的转换从离散域,然后连续采样数据的光滑轮廓会。contourlet变换的主要优势是离散域的多分辨率和多方向扩张。[18]。利用拉普拉斯金字塔、LP的方向滤波器组带通形象被送入足协和捕捉图像的方向信息。结合方向滤波器组的主要原因是为了避免在几个方向部分波段低频率的泄漏。

b .滤波器

Contourlet变换包含两个滤波器如金字塔滤波器和方向滤波器。拉普拉斯算子锥体是用于获得多尺度分解,将子带图像的水平,获得原始图像通过带通的区别和预测价值。低通的过程是迭代信号和多向滤波器组采样值。获得一个方向滤波器银行(足协)二进制树分解为水平构建块。第一个块分为两个方向为水平和垂直和重新排序的第二块图像样本使用剪切操作符。轮廓让过滤器银行[19]。拉普拉斯算子的金字塔生成唯一的带通特性的图像和图像的频率不会炒和原始图像总是可以重建的拉普拉斯算子金字塔通过逆转这一过程。

分类

SOM(自组织映射)通常是一种竞争学习,只有一个神经元将火后相互竞争的神经元。自组织映射的主要目标是将传入信号的任意维度模式转换成一维或二维离散映射和执行这个变换自适应拓扑排序的方式。

答:自组织映射算法

一)假定输出节点连接在一个数组(通常1或2维)

b)假定网络是完全连接在输入层节点连接到输出层中的所有节点。

c)随机选择一个输入向量x。

d)确定“获胜”的输出节点,wherewi是权重向量连接输入输出节点。

结论

摘要虹膜识别方法是使用虹膜分割实现基于霍夫变换和精明的边缘检测方法。虹膜归一化使用Daughman橡胶板执行模型,以减少尺寸不一致。Contourlet变换与多向过滤器银行被用于有效的虹膜特征提取模式。使用SOM进一步是机密。

引用

阿奴沙玛,Vijay Kumar博士Banga“改善性能的虹膜识别系统使用基于相关匹配”IJERT 2013。”
K。普拉萨德大师,K。ASHOK KUMAR“虹膜特征的融合和安全应用的掌纹特征”国际先进和创新研究杂志》2010年。
玛雅Vatsa,理查德•辛格Afzel Noore”提高虹膜识别性能使用分割、QualityEnhancement MatchScore融合,和索引”IEEE系统,人,和cybernetics-part b:控制论。
Ahmad Poursaberi Babak n . Araabi”小说虹膜识别系统使用形态学边缘检测器和小波相位特性”ICGST。
Somnath戴伊和Debasis Samanta“改善功能处理虹膜生物认证系统”IEEE 2010。
Ujwalla Gawande的话,穆克什Zaveri Avichal Kapur“基于分数,提高虹膜识别精度融合法”国际期刊Technology.2010的进步
PrateekVerma、MaheedharDubey SomakBasu, Praveen Verma“霍夫变换法对虹膜识别作为生物识别方法”IEEE 2012。
Prateek Verma1 MaheedharDubey, Praveen Verma SomakBasu“DAUGHMAN ALGORITHMMETHOD虹膜RECOGNITIONA生物识别方法”国际期刊2012年新兴技术和先进的工程。
K。Miyazawa k Ito, t .青木k .小林和h,只是“分阶段虹膜识别算法,”国际研讨会论文集在生物识别技术的进步,3832卷,第365 - 356页,2006年
儿子,h .圆、g .凯和y李,“判别虹膜特征和支持向量机对虹膜识别,”国际研讨会论文集在图像处理上,卷。2、865 - 868年,2004页。
m . n和m . Vetterli”Contourlet变换:一个有效的定向多分辨率图像表示,“IEEE图像处理,14卷,12个问题,2091 - 2106页。
P s。r·钱德拉Murty1和大肠Sreenivasa Reddy“虹膜识别系统使用主成分的纹理特征”TECHNIA国际计算机科学和通信技术杂志》2009年。
j . Daugman”为随机模式识别解调的复值小波,”国际杂志的小波多分辨率和信息处理,1卷,没有。1,1卷,2003页。
m . n和m . Vetterli”Contourlet变换:一个有效的定向多分辨率图像表示,“IEEE图像处理,14卷,12个问题,2091 - 2106页。
p . j .伯特·e·h·阿德尔森,“拉普拉斯算子的金字塔图像作为一个紧凑的代码,“IEEE反式。Commun。,vol. 31, no. 4, pp. 532–540, April 1983.
r·h·班贝克和m·j·t·史密斯,”一个过滤器银行定向分解的图像:理论与设计、“IEEE反式。信号Proc 40卷,。4,第893 - 882页,199年4月