基于奇对称2D Log-Gabor滤波器和Adaboost相结合的虹膜识别方法

摘要

本发明涉及一种基于奇对称2D Log-Gabor滤波器和Adaboost相结合的虹膜识别方法，采用了奇对称2D Log-Gabor滤波器解决了2D Log-Gabor滤波器提取虹膜特征存在部分非有效特征点问题，通过对虹膜纹理的相位和幅度信息在不同频率和方向进行分析，运用特征融合技术消除冗余信息，从而形成特征编码，并利用Adaboost算法进行训练，组成最强分类器进行特征识别。

主权项

一种基于奇对称2D Log‑Gabor滤波器和Adaboost相结合的虹膜识别方法，其特征在于：包括如下步骤：步骤1、对虹膜图像的归一化，并通过公式下面公式将2D Log‑Gabor滤波器分解为二维奇对称滤波器函数，它能够把产生于角度方向上的带宽转变为二维纹理方向上的带宽，不仅扩大了频宽而且合理增加了覆盖频谱，从而避免了由于周期性导致的最大带宽所产生的图像月牙状频域波形问题步骤2、对归一化及增强后的虹膜纹理图像按滤波器大小划分为多区域的M＊N子块，并获取每一子块的频率及方向，由下式求得：其中Go(u，v)为奇对称2D Log‑Gabor滤波器，(i，j)为子块中心坐标，N，M为子块大小；步骤3利用奇对称2D Log‑Gabor滤波器分别提取m个频率尺度，每个尺度的n个方向上的变化最大的n/2个特征子块作为最有效特征值；步骤4提取子块的幅值及相位，在2D Log‑Gabor提取出第(k，j)子块的特征信息基础上，通过下面两式提取对应子块的幅值信息M_kj和相位信息P_kj步骤5通过特征融合后，求得有效虹膜特征编码，通过式上式求得的相位 信息P_kj作为选取最有效特征值及下式选取在k尺度下的幅值最大方向序号s后，求得所有尺度和方向下的有效虹膜特征编码步骤6计算待匹配的两个虹膜整个图像的特征编码的Hamming距离，令m＝n2/2＊n1(n1为频率尺度，n2为方向)记为V_w＝[HD_w1，HD_w2，.....，HD_wm]，将其作为一组特征向量；步骤7计算待匹配的两个虹膜对应的M＊N个分块各自的Hamming距离，令L＝M＊N，得到m＊L个Hamming距离，记为V_p＝[HD_p1‑1，.....，HD_p1‑m，......，HD_pL‑m]，作为另一组特征向量；步骤8将两组特征向量V_w和V_p合并，得到特征向量V＝[V_m，V_p]，利用adaboot算法进行训练，找到识别性最好的分类特征，组成更强的分类器，从而获得匹配的结果。