一种虹膜识别法

摘要

为了提高虹膜识别的正确率，缩短虹膜识别的时间，本发明开发了一种改进的虹膜识别法，该方法按以下步骤实施：首先通过小波变换对虹膜图像进行分解，获得虹膜图像低频子带信息，然后采用不同方向尺度的二维log-Gabor滤波器组提取虹膜的纹理特征，最后采用支持向量机对生成的虹膜特征码进行匹配，本发明更适合于实时虹膜识别。

主权项

1.一种虹膜识别法，其特征在于，该方法按以下步骤实施：步骤一、虹膜纹理特征的提取：小波分解：将虹膜图像分解为水平高频（LH1）、垂直高频（HL1）、对角高频（HH1）和低频逼近（LL1）四个子带图像；多通道滤波器组提取：构造多个滤波器，通过改进的二维log-Gabor滤波算法，对低频逼近（LL1）子带图像从径向和角度两个方向上提取虹膜纹理特征的信息，函数表达式如下：log-Gabor函数定义为：；式中，为滤波器的中心频率，为滤波器的方向，为高斯函数标准差；二维log-Gabor函数定义为：；式中，U、V分别为径向中心频率两个轴的分量；提取虹膜纹理特征的公式为：；式中，为处理后虹膜图像，为卷积运算，表示第个尺度，表示第个方向，包含幅值信息和相位信息；步骤二、虹膜纹理特征的编码：通过格雷码对每一个特征的相位信息进行编码：；式中，为相位信息；步骤三、虹膜特征码的匹配：a. 采用支持向量机进行虹膜特征码匹配：给定数据集：，式中，，，当两个虹膜纹理特征属于同一虹膜时，，否则；支持向量机最优分类超平面为：，式中，为超平面的法向量，b为超平面的偏移向量；引入Lagrange乘子加快分类速度，支持向量机的超平面分类函数为：；式中，为符号函数，为Lagrange乘子；对于线性不可分的分类，支持向量机用核函数代替点积，支持向量机的最终分类函数为：； b. 基于支持向量机的虹膜匹配器构造：输入虹膜纹理特征集，选择最优核函数及核参数，将纹理特征集规范化处理，构造核矩阵，求解拉格朗日系数、支持向量以及最优类超平面系数，建立虹膜纹理持征的最优决策超平面，计算待识别虹膜的相应决策输出值，得到虹膜是否来自同一人，输出识别结果。