严重干扰和噪声情况下的虹膜识别方法研究

在用户较少配合情况下进行身份识别以适应各种复杂的应用场景是当前虹膜识别领域的研究热点.在这种非理想成像条件下虹膜图像包含严重的干扰和噪声,准确的虹膜识别成为一个困难的问题.首先拟研究基于RANSAC的鲁棒算法对虹膜的内外轮廓准确定位.在此基础上,拟研究一种具有很强分辨能力的加权相位共生直方图模型对虹膜纹理特征进行建模.该模型在对图像进行Gabor滤波的基础上计算滤波图像的梯度幅值和相位角,然后计算空间－梯度联合概率密度.该模型引入权重函数有效地减少噪声等引起的梯度计算误差和直方图的离散化带来的影响.为解决由于头部偏转及瞳孔缩放等引起的虹膜纹理非均匀弹性形变问题，拟研究一种图像配准方法，该方法在图像分块基础上将图像块的配准问题建模为基于概率密度距离的优化问题.拟研究一种滤波器学习算法从一族滤波器中选择最优的滤波器子集表达虹膜纹理模式，以解决传统虹膜识别方法中只能依赖于经验选择滤波器的问题.

人类的虹膜具有唯一性、稳定性、非侵犯性等优点，在众多生物特征识别方法中，虹膜识别被认为是识别率最高的方法之一。传统的虹膜识别系统要求用户高度配合，限制了虹膜识别系统在许多场合中的应用。为了解决这一问题，近年来在约束较少情况下的虹膜识别成为研究热点。然而在约束较少的环境中采集的虹膜图像质量很不理想，存在较严重的干扰和噪声，因此虹膜分割和识别变得非常困难。本课题首先研究了一种鲁棒的虹膜轮廓定位方法，在眼睛检测、图像分割和边缘检测基础上，提出了基于随机采样一致性(RANSAC)的五自由度椭圆估计方法，在存在大量异常值的情况下鲁棒地估计虹膜形状参数。为了提高识别系统的性能，课题研究了基于Gabor滤波器的加权相位共生直方图(WCPH)建模虹膜纹理特征。在对图像进行Gabor滤波提取空间和频率特性基础上，引入权重函数减少由于噪声等因素引起的梯度计算误差和直方图区间离散化的影响，进而通过共生直方图描述每一滤波图像的空间—梯度联合概率密度。WCPH模型具有很强的表达纹理性质的能力，实验表明基于该模型的识别算法在在降质图像中比传统的虹膜识别算法在性能有较大提高。课题研究的虹膜识别系统能够有效地处理复杂的干扰和噪声，在眼睛位置和尺寸变化较大、存在头部偏转、较严重的遮挡、高亮区域、光照变化、运动模糊等情况下鲁棒地对虹膜图像进行预处理和识别。在该国家自然科学基金资助下，课题组获得关于降质图像中虹膜图像分割的授权发明专利一项，在国际期刊和国际会议中发表学术论文8篇(SCI、EI收录论文篇)，其中在SCI期刊PRL上发表论文2篇，在领域内知名国际会议ICB发表论文1篇(oral: 录用率16%)。