虹膜识别新方法：Haar小波+Log-Gabor变换提升准确性

"这篇论文提出了一种虹膜识别方法，结合了Haar小波变换和Log-Gabor滤波器，旨在提高虹膜识别的准确率。该方法首先通过预处理定位虹膜内外边缘，然后使用Haar小波进行特征提取，并运用K-means聚类进行粗分类。接着，利用Log-Gabor滤波器捕捉虹膜的局部纹理特征，并对这些特征进行量化编码，形成特征模板。最后，在小样本集中通过汉明距离计算特征模板的相似度，实现高精度的虹膜识别。实验表明，这种方法能有效减少大量计算，提高识别效率。" 在虹膜识别领域，该方法创新地融合了不同的技术。Haar小波变换是一种常用的信号分析工具，它能够提取图像的多尺度特征，有助于识别过程中的特征选择。K-means聚类则用于将虹膜图像进行初步分类，缩小后续匹配的范围，降低了计算复杂度。Log-Gabor滤波器则专门针对生物特征的纹理特性，如虹膜的细节结构，能够提取出更具有辨别力的特征。 在预处理阶段，文章中提到的虹膜内外边缘定位是关键步骤，通过阈值法、数学形态学运算和Hough变换找到边缘，减少了计算量和定位时间。归一化操作则确保了不同大小和形状的虹膜图像可以进行比较。 特征提取阶段，Haar小波变换能够捕获图像的边缘和突变信息，为后续的分类和识别提供基础。K-means聚类进一步将虹膜图像分组，每个组内的虹膜图像具有相似的特征，减少了匹配时的计算量。 Log-Gabor滤波器在虹膜识别中的应用，是因为其能适应生物纹理的频谱特性，尤其是对周期性和方向敏感的特性，使得虹膜的纹理特征得以清晰体现。经过Log-Gabor滤波后，虹膜的纹理特征被量化编码成模板，作为识别的依据。 匹配阶段，通过汉明距离计算特征模板之间的相似度，能够在小样本集中快速找到匹配的虹膜图像，提高了识别速度和准确性。与传统的虹膜识别方法相比，这种方法在识别准确度和稳定性上有显著提升。 姚立平和潘中良提出的虹膜识别方法巧妙地整合了多种技术，包括图像处理、特征提取、聚类和模板匹配，以克服大规模虹膜数据库带来的挑战，实现了高效且准确的虹膜识别。