基于数学形态学和粗集的虹膜识别研究

【摘要】： 个人身份的鉴定在当今法制化、信息化的社会发展中有着越来越重要的作用,但是传统的身份鉴定方法不断出现漏洞,使不法分子有机可乘。因此,基于人体生物特征识别技术的身份鉴定受到越来越多研究者的关注,比如指纹和掌纹识别、字迹鉴定、步态鉴定以及DNA鉴定。这些技术已经在社会安全、身份查询等方面发挥了十分重要的作用。在目前已有的生物特征识别中,综合各种性能指标评定,基于虹膜的识别技术具有最好的稳定性、准确性和安全性。因此,虹膜识别系统的研究和开发成为现阶段一个热门的课题。 虽然现在市场上已经有了一些虹膜识别的产品,但是,此项技术在图像的获取、算法的研究等方面都有进一步挖掘的潜质,各国的研究人员也纷纷使用不同的方法来提高识别的准确性和效率。因此,目前已有的虹膜识别产品也在不断地更新换代,使其具有更高的使用价值,更便捷的使用方式,这也正是虹膜识别研究的意义所在。 本文主要进行的是虹膜识别算法的研究,在一些传统算法的基础之上,使用新的理论,提出新的观点。虹膜用以识别的特征就是内部的纹理,而浮现在纹理中的斑纹正是关键所在。本文将这些散斑视为虹膜图像的特征区域,并通过提取特征区域中的特征点来进行编码匹配。 在虹膜图像的预处理阶段,虹膜定位是一个重要的步骤,本文提出的粗定位与限定范围逐点搜索相结合的方法,可以正确找出虹膜的内、外边界并计算出边界圆的参数,这种方法既简单又快捷,可以提高定位速度,是本文的一个创新点。在提取虹膜纹理时,眼睑、睫毛和拍摄时产生的光斑都会成为图像的噪声,本文使用数学形态学在图像处理中的各种方法来进行噪声的处理,并获得了较为理想的处理效果。为了提取出虹膜中的散斑,运用了分水岭算法进行图像分割,有效划分出纹理中的特征区域,并通过获得一个标记函数来提取特征区的属性值。本文将虹膜散斑的个数、面积、范围和质心位置作为虹膜纹理的属性,然后利用质心的位置进行编码。图像匹配时,本文引入了粗糙集理论,首先对属性进行粗筛选,去除那些肯定不会被匹配的图像,然后再进行传统的逐位匹配,这样大大减少了运算量也就提高了识别的效率。将粗集引入到匹配过程中是本文的另一个创新点所在。 经过仿真实验的检验,本文提出的算法是简便可行的,虽然不够完善,但已经达到基本的要求,可以完成相关的识别任务。