基于奇對稱2D Log-Gabor濾波器和Adaboost相結(jié)合的虹膜識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于奇對稱2DLog-Gabor濾波器和Adaboost相結(jié)合的虹膜識別 方法，屬于圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 虹膜的特征提取是虹膜識別的關(guān)鍵環(huán)節(jié)，它關(guān)系到能否正確識別虹膜，因此虹膜 的特征提取是虹膜識別研宄的重點(diǎn)和難點(diǎn)之一。虹膜主要是紋理特征，可以利用紋理分析 的方法來提取特征，紋理分析的基本原理是圖像中的某個局部紋理結(jié)構(gòu)是與該局部鄰域的 灰度變化規(guī)律密切相關(guān)的，紋理特征的度量必然依賴于以這一鄰域組成的子圖像。紋理結(jié) 構(gòu)的頻域分析側(cè)重于結(jié)構(gòu)的整體性質(zhì)，需要采用較大的子圖像，而空域分析側(cè)重于紋理結(jié) 構(gòu)所具有的局部性質(zhì)，需要采用較小的子圖像。同時在紋理分割和識別中。如下問題：一是 區(qū)域分割的精度及邊界位置的確定；二是區(qū)域識別的準(zhǔn)確度及類別正確率。上述兩個要求 是相互矛盾的，也就是說如果子圖像較大，則區(qū)域識別的正確性可以提高，但分割的結(jié)果會 留下相當(dāng)于子圖像大小的模糊區(qū)域；反之，如果子圖像取得較小，則對識別所需要的紋理結(jié) 構(gòu)信息的抽取就不夠充分，于是識別類型的正確率就會下降。在對虹膜圖像進(jìn)行特征提取 并編碼以后，就可以把它保存到虹膜數(shù)據(jù)庫中，當(dāng)要求登陸者進(jìn)行身份驗(yàn)證時，首先通過虹 膜采集裝置獲取登陸者的虹膜圖像，然后進(jìn)行虹膜編碼，把該編碼與數(shù)據(jù)庫中的已知虹膜 編碼進(jìn)行逐一對比，計(jì)算碼字間的相似度，加以判決。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于：針對2DLog-Gabor濾波器提取虹膜特征存在部分非有效特 征點(diǎn)等問題，采用了奇對稱2DLog-Gabor濾波器解決了上述問題，首先對虹膜紋理的相位 和幅度信息在不同頻率和方向進(jìn)行分析，運(yùn)用特征融合技術(shù)消除冗余信息，從而形成特征 編碼，接著利用Adaboost算法進(jìn)行訓(xùn)練，組成最強(qiáng)分類器進(jìn)行特征識別。
[0004] 本發(fā)明所采用的技術(shù)方案是：一種基于奇對稱2DLog-Gabor濾波器和Adaboost 相結(jié)合的虹膜識別方法：包括如下步驟：
[0005] 步驟1、對虹膜圖像的歸一化，并通過公式下面公式將2DLog-Gabor濾波器分解 為二維奇對稱濾波器函數(shù)，它能夠把產(chǎn)生于角度方向上的帶寬轉(zhuǎn)變?yōu)槎S紋理方向上的帶 寬，不僅擴(kuò)大了頻寬而且合理增加了覆蓋頻譜，從而避免了由于周期性導(dǎo)致的最大帶寬所 產(chǎn)生的圖像月牙狀頻域波形問題
[0006]
【主權(quán)項(xiàng)】
1. 一種基于奇對稱2D Log-Gabor濾波器和Adaboost相結(jié)合的虹膜識別方法，其特征 在于：包括如下步驟： 步驟1、對虹膜圖像的歸一化，并通過公式下面公式將2D Log-Gabor濾波器分解為二 維奇對稱濾波器函數(shù)，它能夠把產(chǎn)生于角度方向上的帶寬轉(zhuǎn)變?yōu)槎S紋理方向上的帶寬， 不僅擴(kuò)大了頻寬而且合理增加了覆蓋頻譜，從而避免了由于周期性導(dǎo)致的最大帶寬所產(chǎn)生 的圖像月牙狀頻域波形問題
> 步驟2、對歸一化及增強(qiáng)后的虹膜紋理圖像按濾波器大小劃分為多區(qū)域的M * N子塊， 并獲取每一子塊的頻率及方向，由下式求得：
其中Go (u，V)為奇對稱2D Log-Gabor濾波器，（i，j)為子塊中心坐標(biāo)，N，M為子塊大 小； 步驟3利用奇對稱2D Log-Gabor濾波器分別提取m個頻率尺度，每個尺度的η個方向 上的變化最大的η/2個特征子塊作為最有效特征值； 步驟4提取子塊的幅值及相位，在2D Log-Gabor提取出第（k，j)子塊的特征信息基礎(chǔ) 上，通過下面兩式提取對應(yīng)子塊的幅值信息Mw和相位信息P kj
步驟5通過特征融合后，求得有效虹膜特征編碼，通過式上式求得的相位信息Pw作為 選取最有效特征值及下式選取在k尺度下的幅值最大方向序號s后，求得所有尺度和方向 下的有效虹膜特征編碼
步驟6計(jì)算待匹配的兩個虹膜整個圖像的特征編碼的Hamming距離，令m = n2/2 * nl(nl為頻率尺度，n2為方向）記為Vw= [HDw1，HDw2,……，HDwm]，將其作為一組特征向量； 步驟7計(jì)算待匹配的兩個虹膜對應(yīng)的M * N個分塊各自的Hamming距離，令L = M * N，得到 m * L 個 Hamming 距離，記為 Vp= [HD ph，...... HDpl_m,......，HDpL_J，作為另一組 特征向量； 步驟8將兩組特征向量V p合并，得到特征向量V = [V m，Vp]，利用adaboot算法進(jìn) 行訓(xùn)練，找到識別性最好的分類特征，組成更強(qiáng)的分類器，從而獲得匹配的結(jié)果。
2.根據(jù)權(quán)利要求1中所述的基于奇對稱2D Log-Gabor濾波器和Adaboost相結(jié)合的虹 膜識別方法，其特征在于：所述步驟7的訓(xùn)練步驟如下： 輸入：訓(xùn)練集，其中i = 1，2，..，N，M是向量的維數(shù)； 初始化：權(quán)重=1/N，i = 1，，，N ; 操作：對于t = 1，2,，，T，T為迭代次數(shù) (1) 對有權(quán)重分布的訓(xùn)練集學(xué)習(xí)，得到一個弱分類器； (2) 選擇最好的特征使得分類錯誤率最小，其中
(3) m = 1，2,，，M，并且記=min，如果0· 5,令T = t-Ι并跳出循環(huán)； (4) 計(jì)算弱分類器的權(quán)重： a t= 0. 5xln[(l- ε t)/ ε J. (5) 更新樣本權(quán)重 Dt+1 (i) = Dt (i) exp [- a tytht (xt) ] /Zt 其中是歸一化因子
【專利摘要】本發(fā)明涉及一種基于奇對稱2D Log-Gabor濾波器和Adaboost相結(jié)合的虹膜識別方法，采用了奇對稱2D Log-Gabor濾波器解決了2D Log-Gabor濾波器提取虹膜特征存在部分非有效特征點(diǎn)問題，通過對虹膜紋理的相位和幅度信息在不同頻率和方向進(jìn)行分析，運(yùn)用特征融合技術(shù)消除冗余信息，從而形成特征編碼，并利用Adaboost算法進(jìn)行訓(xùn)練，組成最強(qiáng)分類器進(jìn)行特征識別。
【IPC分類】G06K9-00
【公開號】CN104751150
【申請?zhí)枴緾N201510190542
【發(fā)明人】李釗
【申請人】南京安穗智能科技有限公司
【公開日】2015年7月1日
【申請日】2015年4月21日