虹膜图像预处理与特征分析
文献类型：学位论文
| 作者 | 何召锋
|
| 学位类别 | 工学博士 |
| 答辩日期 | 2010-05-09 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 中国科学院自动化研究所 |
| 导师 | 谭铁牛 |
| 关键词 | 生物特征识别 虹膜识别 虹膜图像预处理 特征选择和分类器设计 Adaboost学习算法 Biometrics iris recognition iris image preprocessing feature selection and classifier design Adaboost learning |
| 其他题名 | Iris Image Preprocessing and Feature Analysis |
| 学位专业 | 计算机应用技术 |
| 中文摘要 | 虹膜识别是一个典型而复杂的模式识别和计算机视觉问题，具有重要的学术研究价值。虹膜识别又是一种新颖的身份认证技术，对国家安全、公共安全和个人财产安全等具有重要的现实意义。虹膜图像预处理与特征分析是虹膜识别中的两个关键问题。本文以此为主要研究对象，理论联系实际，力图建立一个能够满足实际需求的虹膜识别算法系统。具体地讲，本文的主要工作和贡献如下： 1. 基于对虹膜成像过程的深入分析，提出基于虹膜图像中光斑点的智能人机交互接口和散焦图像复原算法，提高了虹膜图像采集系统的性能。 2. 基于对虹膜图像固有属性的分析和利用，建立了虹膜图像精确分割的整体解决方案，提出一系列新颖有效的虹膜分割算法。包括：提出基于八邻域连接聚类的虹膜粗定位算法，为低质量虹膜图像的定位提供了保障；借鉴梯度下降算法的基本思想，提出基于积分差分星座图的内外边界圆拟合算法；基于虹膜边界的类圆特性和物理学中的胡克定律，提出基于推拉算法的内外边界圆拟合算法; 提出基于三次平滑样条插值的虹膜内外边界曲线拟合方法，有效解决了瞳孔形变问题；针对眼皮定位中睫毛遮挡和形状不规则性难题，提出基于排序滤波器的睫毛滤除算法和基于直方图滤波和眼皮曲率模型的眼皮定位算法；基于不同虹膜区域的灰度分布差异，提出基于预测模型的睫毛和阴影检测方法。上述算法高效、精确、鲁棒，有效解决了虹膜图像分割这一虹膜识别中的瓶颈问题。 3. 从Adaboost学习算法的数学建模出发， 通过归纳和总结， 提出Adaboost学习算法的一般化框架，即Adaboost三要素结构，用于解决虹膜识别中的特征选择和分类难题。该框架可以有效表达和解释各种Adaboost算法变种，对设计新的Adaboost算法具有指导意义。同时，还提出了Adaboost学习算法在模式识别和计算机视觉应用中的一般方法，并成功应用于虹膜识别的多个关键模块(如虹膜检测、虹膜活体检测、虹膜特征抽取和分类等)。 4. 以虹膜固有的环状结构为突破口，提出Haar特征的拓扑模型，提高了Haar特征的表达描述能力。同时提出误差最小化导向的LEOBoost学习算法和一种简单有效的Cascade结构构建方式，实现了高效鲁棒的虹膜检测。 5. 通过对虹膜纹理特性(如随机分布性、径向延展性、环向相关性等) 和生物视觉认知机理(如对比度快速饱和特性)的深入分析，提出基于局域定序特征的虹膜纹理表达和描述模型。同时，提出一种新颖的以相似度为导向的SOBoost学习算法，选取最具分类能力的定序特征用于虹膜识别。SOBoost学习算法充分考虑了特征值中固有的物理含义――相似度，从而具有更强的鲁棒性和泛化性能。与此同时，构建了级联的虹膜特征比对框架，极大地提高了虹膜识别在大规模数据库中的可用性。 6. 基于伪造物虹膜图像与活体虹膜图像在纹理分布上的细微差异，提出使用局部二值模式特征对二者的纹理差异进行表达和描述；并通过CRBoost算法挑选对活体检测最具区分性的特征构建活体检测分类器，提高了虹膜识别系统的安全性。同时，将该解决方案应用于虹膜错误定位检测，进一步提升了虹膜分割算法的性能。 本文大部分成果都已经成功... |
| 英文摘要 | Iris recognition is the frontier topic of pattern recognition as well as the strategic high-tech for homeland and public security. This thesis covers several bottleneck problems in iris image preprocessing and feature analysis, including iris image restoration, iris image segmentation, Adaboost learning, iris detection, iris feature selection and classification, as well as iris spoof detection. The objective is to research and develop working iris recognition systems for mission-critical applications. In particular, the main contributions of this thesis are summarized as follows: 1. With an insightful model of the iris imaging process, this thesis proposes a smart human-computer-interface and an adaptive anti-defocus method for iris recognition. They together greatly improve the usability and performance of iris cameras. 2. Based on explorations of several specific properties of iris images, this thesis develops a systematic solution for iris image segmentation, and a series of efficient algorithms are proposed. For example, an eight-neighbor clustering method for coarse iris localization, an elastic model named pulling and pushing for inner and outer boundary localization, a smoothing spline-based edge fitting scheme for non-circular iris boundaries, a rank filter for eyelash elimination and a histogram filter as well as a curvature model for tackling the shape irregularity of eyelids, a prediction model for eyelash detection, etc. Experimental results show that the above methods are efficient, effective and robust, and deal well with the challenging iris segmentation problems. 3. To deal with the feature selection and classification problems in iris recognition, a generalized framework of Adaboost learning is proposed, which consists of three key modules: the weak learner, the component classifier and the re-weighting function. Moreover, the methodology of using this framework in pattern recognition and computer vision is proposed, and has been successfully applied in several key modules of iris recognition (e.g., iris detection, iris spoof detection as well as iris feature extraction and classification). 4. Inspired by the desirable annular structure of iris, a topology model of Haar-like features is proposed. This model not only reveals an interesting property of negative Haar-like features, but also ensures more effective iris representation. Moreover, a novel Least Error Oriented Boosting (LEOBoost) algorithm and a simple cascade constru... |
| 语种 | 中文 |
| 其他标识符 | 200718014629089 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/6235]  |
| 专题 | 毕业生_博士学位论文 |
| 推荐引用方式 GB/T 7714 | 何召锋. 虹膜图像预处理与特征分析[D]. 中国科学院自动化研究所. 中国科学院研究生院. 2010. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。