虹膜识别新方法:Haar小波+Log-Gabor变换提升准确性
5星 · 超过95%的资源 需积分: 9 56 浏览量
更新于2024-09-05
3
收藏 570KB PDF 举报
"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。
2021-06-10 上传
2023-08-30 上传
2023-05-05 上传
2023-07-13 上传
2023-04-26 上传
2023-05-25 上传
2023-08-28 上传
2023-05-20 上传
2023-08-24 上传
慎也
- 粉丝: 52
- 资源: 458
最新资源
- Ansys Comsol实现力磁耦合仿真及其在电磁无损检测中的应用
- 西门子数控系统调试与配置实战案例教程
- ELM多输出拟合预测模型:简易Matlab实现指南
- 一维光子晶体的Comsol能带拓扑分析研究
- Borland-5技术资料压缩包分享
- Borland 6 技术资料分享包
- UE5压缩包处理技巧与D文件介绍
- 机器学习笔记:深入探讨中心极限定理
- ProE使用技巧及文件管理方法分享
- 增量式百度图片爬虫程序修复版发布
- Emlog屏蔽用户IP黑名单插件:自定义跳转与评论限制
- 安装Prometheus 2.2.1所需镜像及配置指南
- WinRARChan主题包:个性化你的压缩软件
- Neo4j关系数据映射转换测试样例集
- 安装heapster-grafana-amd64-v5-0-4所需镜像介绍
- DVB-C语言深度解析TS流