基于统计学习理论的虹膜识别研究

【摘要】：本文的工作是基于统计学习理论的虹膜识别研究。虹膜识别属于生物识别技术的一种,是一项根据人眼睛中瞳孔之外巩膜之内的一个圆环内部复杂的纹理特征来鉴别身份的技术。我们在详细研究统计学习理论的最新进展和虹膜识别的主要特点的基础上,围绕虹膜特征提取、虹膜特征融合约减、分类器设计、虹膜识别系统原型设计等四个方面进行了较为深入的研究。 我们对现行的虹膜识别已有方法进行了综述,指出了现有虹膜识别研究的不足之处。并在此基础上做出了以下贡献: 第一项工作是在虹膜特征提取方面,提出并实现了基于分形几何的自相似特征提取;并针对虹膜纹理分布的特殊性,研究了这种纹理变化的细节特征,发现了它的自相似性,提出了一种新的分形维数:变化分数维,并给出了它的计算方法。变化分数维是在传统分形几何的基础上,针对图像内部的丰富变化细节具有一定的自相似性而提出的,对瞳孔和眼睫毛的影响具有较好的抗干扰能力。实验结果表明该特征比传统的分形维数能够更好地表征虹膜的纹理特征。除了虹膜识别之外,变化分数维也适用于其它的图像分析场合; 第二项工作是提出了虹膜特征融合约减机制。过去的虹膜识别方法一般都只有一种特征,主要是小波变换和Gabor变换。而虹膜这么复杂的识别对象在有些情况下不能被一种特征值准确刻画。为了获取虹膜图像纹理分布的方向性信息,我们引入了多尺度可变方向金字塔模型作为虹膜纹理方向性特征的分析工具,对各个方向进行滤波,分别求出每个子带的特征,作为变化分数维的补充,从而得到虹膜的融合特征。为了获得更精简的特征序列,去除冗余特征,在特征约减方面,提出了基于多目标遗传算法的虹膜融合特征约减方法; 第三项工作是在构造虹膜分类器方面,过去的虹膜识别方法一般采用距离的方法(包括欧几里得距离和汉明距离)来分类,或对码本进行异或操作,这些都是简单的计算方法。为了得到更高的识别率,我们将学习机制引入虹膜识别。同时考虑到在生物认证领域,错误接受和错误拒绝的代价是不一样的,需要在训练中进行区别对待。在安全性要求较高的应用中,对于错误接受的样本应该比错误拒绝的样本施以更大惩罚。因此为了适应虹膜识别等生物特征识别在不同安全等级中的应用,我们提出并实现了非对称支持向量机(Non-symmetrical Support Vector Machine,NSVM)作为虹膜样本的分类器,以适应安全性要求不同的应用场合; 第四项工作是基于所提出的算法与理论,实现了一个新的虹膜识别系统原型并命名为IrisPassport,在CASIA虹膜公开数据库上做了测试,并与现有算法与理论进行了对比。在本文的第六章介绍了IrisPassport系统结构及其特性; 我们的这些工作是提高虹膜识别系统性能的有益尝试,实验结果表明