[问答]

快速Gabor滤波算法在虹膜识别系统中的应用是怎样的？

问答对人有帮助，内容完整，我也想知道答案 0 快速Gabor滤波算法在虹膜识别系统中的应用是怎样的？ Gabor滤波器的实现 0
2021-4-7 07:00:17　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × aaabbb567 该类别下有 7 个回答。邀请回答 dsdfshf 该类别下有 7 个回答。邀请回答 fuwu1245 该类别下有 7 个回答。邀请回答 h1654155275.6823 该类别下有 6 个回答。邀请回答 vyewrewr 该类别下有 6 个回答。邀请回答淡口味妻儿等我看该类别下有 6 个回答。邀请回答 ujsdfweer 该类别下有 6 个回答。邀请回答 vywywerwa 该类别下有 6 个回答。邀请回答 wjwierw 该类别下有 6 个回答。邀请回答 kingnet_520888 该类别下有 5 个回答。邀请回答 iecctv 该类别下有 5 个回答。邀请回答 60user40 该类别下有 5 个回答。邀请回答 hzdembed 该类别下有 5 个回答。邀请回答吕少大大该类别下有 5 个回答。邀请回答 DH9527 该类别下有 5 个回答。邀请回答 LynnQ 该类别下有 5 个回答。邀请回答 xiaolu511 该类别下有 5 个回答。邀请回答 houjunhao33 该类别下有 5 个回答。邀请回答 vrwfwer 该类别下有 5 个回答。邀请回答 dfgsgdg 该类别下有 5 个回答。邀请回答举报贾大林相关推荐 • 分享一款不错的基于DSP的虹膜识别系统 942 • 语音识别系统在智能家庭系统中的应用是什么？ 1784 • 虹膜定位 1877 • 怎样去设计一种基于嵌入式架构的指纹识别系统呢 1311 • 怎么实现基于MATLAB的车牌识别系统的设计？ 1561 • 怎么设计基于嵌入式系统的语音口令识别系统？ 2667 • 基于DSP的汉字语音识别系统如何实现 2848 • 嵌入式语音识别系统在生活中的应用有哪些呢 3338 • 几类汽车识别系统的经典设计方案 2087 • 求一种非接触式3D指纹识别系统的设计方案 1608 1个回答

答案对人有帮助，有参考价值 0 　　虹膜识别关键在于虹膜特征提取和匹配算法，能否从虹膜纹理信息中找出表征每一类虹膜的内在特征是至关重要的。自从1993年Daugman提出利用二维Gabor复小波提取虹膜纹理的局部相位特征，然后采用汉明距的方法来衡量匹配以来，许多学者提出了各种不同的虹膜识别方法。比如：Wildes 等采用拉普拉斯金字塔分解算法对整个虹膜图像进行4级处理来提取特征；然后计算经过处理后的两幅虹膜图像的归一化相关系数，再通过Fisher线性变换来判别是否匹配。Boles等采用一维的三次样条小波来对图像进行小波变换，利用过零点以及过零点之间积分后的平均值作为虹膜图像的特征值。与其他的虹膜识别相比，Daugman的二维Gabor复小波的方法有着极高的识别性能，目前国内外商用虹膜识别系统的核心算法基本上都采用Daugman的二维Gabor复小波算法，商业上广泛应用也证明了这种方法的优异性能。　　根据姚鹏等人的研究成果，二维复Gabor滤波器可以分解为实部偶对称和虚部奇对称二个滤波器如（1）式、（2）式所示：　　　　经过他们的研究分析，Daugman的二维Gabor复小波提取虹膜特征的方法完全可以分成二个独立的部分：只用偶对称Gabor小波提取虹膜纹理特征和只用奇对称Gabor小波提取虹膜纹理特征。而二维奇对称Gabor小波是严格带通的，用来提取虹膜纹理特征的方法与二维 Gabor复小波相比有更好的识别性能；同时，只采用二维奇对称Gabor小波还可以节省一半的编码存储空间，并减少大约一半的编码和匹配时间。　　所以本文用二维奇对称Gabor小波作为虹膜特征提取滤波器，参照Geusebroek给出的各向异性二维高斯滤波器的一种非正交分解方法。把二维Gabor滤波器分解成两个一维的高斯滤波器组合，结合I.T.Young等人提出的一种递归实现一维高斯滤波的快速方法，提出一种快速Gabor滤波算法，应用于虹膜识别系统中。实验结果表明，该快速算法提高了虹膜特征提取效率。　　1 Gabor滤波器的实现　　1.1 高斯滤波分离与非正交分解　　　　　　　　2 实验方法以及结果分析　　为了验证本文提取的方法的效果，我在原有的虹膜识别系统上，将虹膜图像经过二维奇对称Gabor小波处理后，提取局部相位信息作为虹膜纹理特征，对特征点的相角θk 进行编码。编码原理如图二所示【3-4】。　　　　将整个空间分为4个区，对落入相应区域的相角按图中示意进行2bit编码（格雷码），2bit 格雷码序列和其他2bit编码方式相比，更恰当地体现了相邻相位区域的差异和相同点。经过上述编码处理后，虹膜纹理特征变为一串由0、1组成的序列，两个虹膜编码采用如（10）式汉明距的方法来进行特征匹配：　　　　本虹膜识别系统在CPU 为P4 1.8GH 内存2G 的PC机上进行了性能对比试验，编程语言为 VC++，采用的原始数据取自中科院自动化所（北京）提供的CASIA虹膜数据库（V1.0），图像像素大小为320280，通过对数据库中1087幅图像在改进的算法和原有的算法基础上随机进行 1000次比较，为了节省储存空间和匹配时间，程序中只用一个尺度，一个方向的二维奇对称 Gabor小波来提取虹膜纹理特征，并将每个像素点作为一个特征点，得到如下表一所示的每次 Gabor滤波的计算平均时间（注：运算时间不包括虹膜图像的预处理、定位和归一化，仅包括虹膜图像特征点的提取和比较）。　　　　3 结论　　本文采用了各向异性高斯滤波分离形式，计算出各项参数，将2-D奇对称Gabor滤波用两个1-D高斯滤波递归实现，大大减少编码存储空间和计算量。与传统的Gabor滤波器相比，降低了时间代价和编码空间代价。因此，在虹膜识别系统中是一种十分可取的方法。此外，对于Gabor滤波的快速实现方法参数σu 和σv 的选择还需进一步研究。最后，感谢中科院自动化所提供的虹膜数据库。本文的创新点：把奇对称Gabor滤波器用两个一维的高斯滤波器用递归方法快速实现，应用在虹膜识别特征点提取过程中，提高特征点提取效率，同时节省了存储空间，从而提高了整个虹膜识别系统的性能。

2021-4-7 13:38:23 评论举报李昕一