关键字 |
| 生物识别、虹膜认证、小波变换特征提取。 |
介绍 |
| 基于虹膜自动个人识别被认为是最可靠的技术之一在面部温度自记曲线,手静脉,步态,击键,气味,耳朵,手几何、指纹、脸,视网膜,手掌印,声音和签名。虹膜隔人眼的角膜和晶状体,如图1所示[13]。虹膜穿孔接近它的中心是一个圆形孔径称为瞳孔。虹膜模式是高度区分个体之间甚至不同的左派和右派之间的同卵双胞胎和一个人的眼睛,可以看到一些距离[1]。 |
| 虹膜识别问题可以分为两类:识别和身份验证。识别涉及到一个到多个比较,而验证包括一对一的比较输入虹膜图像的特征提取与存储的模板。各种各样的虹膜识别方法已经推荐自动个人识别和身份验证。虹膜识别系统中有四个阶段:分割、归一化、特征提取和匹配。特征提取虹膜识别被认为是至关重要的一步。有一个参数来建立一个虹膜识别系统通过使用适当的特征提取技术,减少模板的大小特征以及计算时间,同时不影响精度。 |
图1典型的眼影[13] |
| 不同的方法建议研究人员提取虹膜特征。Daugman开发第一虹膜识别系统和二维伽柏过滤器用于特征提取[1]。替代方法基于小波变换来提取虹膜特征表明了不同的研究人员。Jaemin金等人提出了一个方法来提取虹膜图像使用连续小波变换的特点,是翻译不变量和健壮的声音[2]。降低计算成本小傅他等人推荐基于复小波变换的虹膜特征提取方法[4]。 |
| 不同的小波哈雾、Daubechies Coiflet Symlet和双正交的被用来提取虹膜图像的特征[5]。复杂的小波变换[6],[12],二元小波变换[3],Daubechies D4小波[9],和离散小波变换[7],[25]是利用归一化虹膜图像的特征提取。林中华等人提出了基于Morlet小波变换的虹膜识别方法系数提高识别速度[8]。阿卜杜拉穆罕默德·a . m .等人应用Haar小波和生成的模板特征向量减少了连接LH4, HL4, LH5 HL5, HH5。系数[10]。Ayra g . Panganiban等人也表现特征编码,将归一化虹膜图像使用哈雾和双正交的小波分解家庭各级[11]。 |
| 剩下的部分组织如下:提出了虹膜认证系统声称在第二节。第三节展示了实验结果和讨论。最后第四节总结了纸。 |
提出了系统 |
| 在CASIA V3.0虹膜数据库是利用工作,提供从模式识别国家重点实验室(NLPR)在中国。CASIA V3.0灯虹膜数据库包括756和108眼眼睛灰度图像7不同图像的每一个独特的眼睛,捕捉到两个会话。在这个数据库大小的眼睛图片是320×280。 |
| 虹膜身份验证系统已经使用MATLAB实现,因为强大的内置的数学和图像处理功能。虹膜的身份验证系统可以分解为四个模块:分割、归一化、特征提取和匹配。 |
| 答:市场细分 |
| 眼睛虹膜图像包含作为学生和巩膜之间的环形部分大概可以被视为圆。还有眼睛的其他部分如眼睑、睫毛使准确识别过程困难。为目的的准确性应单独实际的眼睛虹膜区域的图像。圆形霍夫变换适用于本土化虹膜和瞳孔区域。线性霍夫变换是利用本土化使眼睑和阈值孤立睫毛和反思。虹膜和巩膜边界是孤立的第一次为了圆检测速度更快。后发现虹膜和巩膜边界,虹膜和瞳孔边界分离。最后,眼皮被拟合分离一行眼睑通过线性霍夫变换[15],[16]。分段虹膜图像是图2所示。 |
图2虹膜分割 |
| b .正常化 |
图3 Daugman橡胶板模型[1] |
| 由于光线的差异、瞳孔大小和距离相机的眼睛,同一个人的虹膜的大小可能会有所不同。虹膜匹配结果可以受到这些方面的影响。为了得到准确的结果,有必要消除这些因素。因此,一旦虹膜定位,需要调整每个虹膜图像通过归一化类似的维度。 |
| 归一化虹膜区域的代表在恒定的维度是由使用Daugman橡胶板模型[1],如图3所示。点在虹膜区域重新映射到一双极坐标(r,θ)r是在区间[0,1],θ角(0,2π),如图3所示。 |
| 虹膜区域的重新映射从笛卡尔坐标(x, y)极坐标进行如下: |
 |
| 我(x, y)虹膜区域形象,(x, y)最初的笛卡尔坐标,(r,θ)相应的规范化极坐标,xp, yp xi,彝族的坐标是沿着“θ”的瞳孔和虹膜边界方向[2]。归一化后的虹膜图像应用Daugman分段虹膜图像上的胶板模型是图4所示。 |
 |
| c .特征提取 |
| 特征提取过程是至关重要的,因为人们都验证基于这些特征特性。使用小波变换进行特征提取。虹膜图像分解成四个系数HH, LH、HL和每一层。这里的“H”和“L”分别指的是高通和低通滤波器。归一化虹膜图像分解成最多四层创建特征向量。HH1 HH4系数提供大约类似信息,HH2, HH3系数。LH4和HL4还提供模式类似于前面的系数。为了创建特征向量LH4和HL4总和。这里,哈雾、Daubechies Symlet和反向双正交的小波用于特征提取。使用db10归一化虹膜图像小波分解层次4图5所示。 |
 |
| 两级量化方案应用于编码整数价值特征向量为位特征向量。分配系数大于或等于0值1和分配系数小于0值0 [1]。 |
| d .匹配 |
| 虹膜身份验证系统的最后阶段是特征向量匹配。采用特征向量的匹配使用汉明距离[1]。比较特征向量Sj和Tj的高清(汉明距离)被定义为不同部分的总和除以N,特征向量的比特总数。 |
 |
结果与讨论 |
| 本节提供性能措施,数据库使用和虹膜身份验证系统的实验结果。在身份验证系统中,性能的评价标准有三个不同的错误率:FRR,犯错。远(错误接受率)授权的用户被接受的概率的措施体系。FRR(假废品率)FRR措施的概率一个授权的用户被系统拒绝。犯错(等于错误率)的价值远和FRR率是相等的。 |
| 答:实验1 |
| 在第一个实验中单眼影200用户从CASIA虹膜V3.0灯为了确定小波从每个家庭的最优性能。同样的眼影是用于报名进行测试。通过汉明距离的范围值,哈雾的阈值,Daubechies, Symlet和反向双正交的家庭。最高效的小波,小波的家庭的百分比远远在我不同的汉明距离值如表所示。 |
| Haar小波与0.36阈值提供了最小= 1.52%所示。symlet小波家族sym10提供最低远= 0%的阈值在0到0.42之间。最佳性能远= 0% Daubechies小波家族是由db10阈值介于0和0.39。在反向双正交的家庭,rbio5.5提供最低阈值= 0%,报0.36。在不同的汉明距离值%远下图所示6到9。symlet Haar小波相比,daubechies和反向双正交的最大给%所有汉明距离远。 |
 |
 |
 |
 |
| b .实验2 |
| 在第二个实验中,四种不同的眼部图像使用50人的CASIA虹膜V3.0灯数据库。一只眼睛图像被用于招生和剩下的三个用于测试。结果通过哈雾、sym10 db10 rbio5.5小波,这些表现更好的在他们的家庭实验1.摄氏度 |
| %,% FRR各种小波在不同的汉明距离值显示在表二世。FRR值分别为1.34%、0.73%、0.62和0.65%使用哈雾,sym10 db10, rbio5.5wavelet分别。远= 0%是由这四个小波。 |
| 接受者操作特征(ROC)曲线是假录取率(远)与假废品率(FRR)曲线。ROC曲线在图10 - 13代表中华民国的结果,也是衡量虹膜匹配过程的性能。 |
 |
 |
结论 |
| 本文的性能哈雾、Daubechies Symlet和反向双正交的小波家庭评估。两个实验已经找到了最佳性能在所有这些小波在虹膜身份验证系统。结果说明,db10小波是更好的特征提取,因为功能模板的大小是1216位,远= 0%,FRR = 0.62%。表三世给一些现有系统合作的比较研究由该方法获得的结果。可靠的和更好的结果通过db10小波变换来实现。 |
 |
引用 |
- j . Daugman“高信心视觉识别测试统计独立的人,”IEEE交易模式分析与机器智能pp.1148 - 1161,卷。15日,1993年。
- 崔Jaemin Kim Seongwon曹和浸塑“虹膜识别使用小波变换特性,”超大规模集成信号处理杂志》上,38卷,第156 - 147页,2004年。
- C。桑切斯阿维拉,R。桑切斯阿维拉·d·马丁罗氏,“虹膜生物识别使用二元小波变换为基础,“IEEE aes系统杂志2002年,页3 - 6。
- 小傅他和Pengfei史”,提取虹膜识别复小波的特性,“进行的19th模式识别国际会议,2008年,页1 - 4。
- SandipanP.Narote AbhilashaS。Narote LaxmanM。Waghmare”,使用小波变换的虹膜识别系统为基础,“国际计算机科学杂志andNetwork安全,9卷。11日,第104 - 101页,2009年。
- 美国Hariprasath和V。莫汉,“虹膜模式识别使用复杂的小波和小波包变换,“《计算机应用,卷2,不。2,pp. 18-23, 2009.
- LeninaVithalraoBirgale ManeshKokare,“使用离散小波变换的虹膜识别系统”,《数字图像处理国际会议上,147 - 151年,2009页。
- 林中华;马红岩,“虹膜识别方法真正morlet小波变换系数的基础上,“《国际研讨会并且处理,黄山,p . r .中国,第116 - 113页,2009年。
- SomnathDey DebasisSamanta,“改善特性为虹膜生物识别认证系统处理,”国际期刊的电子、计算机和SystemsEngineering,4卷,不。2、127 - 134年,2010页。
- 阿卜杜拉穆罕默德·a . m ., f·h·a . Al-Dulaimi瓦利德Al-Nuaimy和阿里Al-Aataby,“高效小模板使用小波变换的虹膜识别系统,”国际期刊的生物统计学和生物信息学,5卷,没有。1,16-27,2011页。
- Ayra g . Panganiban诺尔b Linsangan, Felicito s Caluyo”实现小波transform-based虹膜识别系统的算法,”国际信息与电子工程》杂志2卷,没有。3、328 - 332年,2012页。
- 拉胡尔M。Nasare Shashank G哈泽和V.N.,“复小波变换的虹膜识别,”国际工程和创新技术杂志》上,1卷,不。4、119 - 123年,2012页。
- 生物识别技术和安全研究中心,CASIA虹膜图像数据库,http://www.cbsr.ia.ac.cn/english/Databases.asp援引2009年7月10日。
- 小波RobiPolikar教程,http://users.rowan.edu/ polikar /小波/ WTtutorial.html,引用了2009年7月17日。
- lMasek”,承认人类虹膜生物识别模式,”学士论文,西澳大利亚大学,2003年。
- r·王尔德“虹膜识别:一个新兴的生物技术,”IEEE的程序,卷85,不。9日,第1363 - 1348页,1997年。
- l . Ma Tan Tieniu,王,通过“虹膜识别使用循环对称的过滤器,”处理16th模式识别国际会议第二部,pp.414 - 417, 2002。
- 1 chia Te楚Ching-Han陈,“高性能虹膜识别基于LDA和LPCC,”《17thIEEE国际会议工具人工智能(ICTAI ' 05),417 - 421年,2005页。
- Maheswari, P。Anbalagan和T。Priya”,有效的虹膜识别虹膜分割算法,通过改善”ICGSTGVIP杂志问题2,卷。8日,29-35,2008页。
- Sunita诉Dhavale“健壮的虹膜识别walshhadamard变换域统计特性的基础上,“国际计算机科学杂志》上的问题问题1,卷。9日,没有。2,pp.118 - 123, 2012。
- AdityaAbhyankar LawrenceHornak和斯蒂芬妮Schuckers,“基于双正交小波的虹膜识别,”的方法相比,生物识别技术HumanIdentification II, 59岁;doi: 10.1117/12.604212 2005人。
- NimaTajbakhsh、KhashayarMisaghian NaghmehMohammadiBandari”,提出基于二维小波变换的虹膜特征提取方法,”Bio_ID_MultiComm,5707信号,第307 - 301页,2009年。
- SunitaLokhandeVishram: Bapat”,虹膜识别使用小波包分解,生物识别”国际工程研究技术杂志》(IJERT)1期4卷,pp.1-7, 2012年。
- 艾哈迈迪困难和纳赛尔Al-Biqami”,一种有效的特征提取方法基于小波变换的虹膜识别,”国际和信息技术杂志》上卷,02年03问题,521 - 527年,2013页。
- AmelSaeedTuama(2012),“虹膜图像分割和识别,”国际期刊的比较科学的新兴技术,3卷,不。2 60 - 65页
|
菜单
