第1章 绪论 1
1.1 生物特征识别的产生背景 1
1.1.1 传统的身份鉴别 1
1.1.2 身份鉴别面临的挑战 1
1.2 生物特征识别概述 2
1.2.1 生物特征识别技术简介 4
1.2.2 生物特征识别技术应用现状 5
1.3 典型的生物特征识别技术 7
1.3.1 指纹识别 7
1.3.2 人脸识别 7
1.3.3 耳廓识别 8
1.3.4 虹膜识别和视网膜识别 8
1.3.5 手形识别和掌纹识别 10
1.3.6 声音识别 10
1.3.7 签名识别 10
1.3.8 步态识别 11
1.3.9 击键力度 11
1.3.10 DNA识别 11
1.3.11 人脸温谱图识别 12
1.3.12 体味识别和脚印识别 12
1.4 生物特征识别的分类 13
1.5 选择生物特征的原则 13
1.6 多生物特征识别 14
本章小结 15
参考文献 16
第2章 虹膜识别概述 18
2.1 虹膜概述 18
2.1.1 什么是虹膜 18
2.1.2 虹膜的先天优势 19
2.2 虹膜识别系统概述 21
2.2.1 虹膜识别系统原理 21
2.2.2 虹膜识别系统组成部分 21
2.3 虹膜识别的工作模式 23
2.3.1 工作模式 23
2.3.2 身份注册系统 23
2.3.3 识别认证系统 24
2.4 虹膜识别的发展现状与应用 24
2.4.1 发展现状 24
2.4.2 应用领域 25
本章小结 27
参考文献 28
第3章 虹膜图像的采集 29
3.1 虹膜图像获取技术的发展 29
3.2 虹膜图像采集系统 30
3.2.1 图像采集的前提 30
3.2.2 几何测距法 31
3.2.3 聚焦检测方法 31
3.3 虹膜数据库的建立 33
3.3.1 建立虹膜数据库的作用 33
3.3.2 虹膜数据库的建立方法 34
3.4 虹膜数据库 35
3.4.1 中科院的虹膜数据库 35
3.4.2 NICE.I竞赛的测评数据 36
本章小结 37
参考文献 38
第4章 虹膜边界定位 39
4.1 平滑处理 39
4.1.1 空域平滑 39
4.1.2 频域平滑 41
4.2 边缘提取 42
4.2.1 锐化处理 42
4.2.2 虹膜边缘提取 43
4.2.3 边缘梯度二值化 44
4.3 虹膜边界定位算法概述 45
4.4 基于投票机制的虹膜边界定位算法 46
4.4.1 基于Hough变换进行圆的检测 46
4.4.2 由瞳孔位置确定处理图像大小 48
4.4.3 基于Hough变换的虹膜边界快速定位算法 52
4.4.4 仿真实验 54
4.5 基于微积分的虹膜边界定位算法 55
4.5.1 微积分定位边界原理 55
4.5.2 局部梯度极值的检测和消除 56
4.5.3 基于微积分的虹膜边界快速定位算法 58
4.5.4 仿真实验 59
本章小结 60
参考文献 61
第5章 边缘点选择后的虹膜边界定位 63
5.1 人眼图像中边缘点的特点 63
5.2 极坐标下的虹膜边界定位算法 64
5.2.1 极坐标下圆的特点 64
5.2.2 极坐标转换 67
5.2.3 极坐标下的虹膜边界定位算法 68
5.2.4 仿真实验 69
5.3 水平边缘点的选择算法 69
5.3.1 边缘点选择问题的提出 69
5.3.2 水平边缘点的选择 70
5.3.3 极坐标下边缘点选择后的虹膜边界定位算法 71
5.3.4 仿真实验 71
5.4 基于边缘点选择和圆参数投票的虹膜边界定位算法 73
5.4.1 极坐标下选择边界点 73
5.4.2 极坐标到直角坐标的变换 74
5.4.3 基于边缘点选择和圆参数投票的虹膜边界定位算法 75
5.4.4 仿真实验 75
本章小结 76
参考文献 76
第6章 眼皮、睫毛、光源像点检测 77
6.1 虹膜区域的干扰 77
6.2 眼皮轮廓定位 77
6.2.1 眼皮定位概述 77
6.2.2 眼皮定位算法 79
6.2.3 眼皮阴影估计 80
6.3 睫毛检测 81
6.4 光源像点检测 82
6.5 仿真实验 82
本章小结 83
参考文献 83
第7章 虹膜区域规范化 85
7.1 虹膜尺度、位置和方位 85
7.1.1 平移变化 85
7.1.2 旋转变化 86
7.1.3 伸缩变化 86
7.2 虹膜区域规范化处理 87
7.2.1 弹性模型 87
7.2.2 虹膜边界的表示 88
7.2.3 虹膜区域的表示 89
7.3 虹膜区域归范化方法 90
7.4 虹膜区域大小的确定 91
7.4.1 低频特征一致原则 91
7.4.2 分辨率确定 92
7.4.3 仿真实验 93
本章小结 94
参考文献 94
第8章 虹膜特征提取 96
8.1 二值相位编码的特征提取框架 96
8.1.1 特征提取概述 96
8.1.2 虹膜特征提取框架 97
8.1.3 二值模板的匹配算法 97
8.2 基于二维Gabor滤波的特征提取算法 98
8.3 基于多通道Gabor滤波的特征提取算法 99
8.4 基于图像匹配的识别算法 100
8.5 基于空域局部过零检测的特征提取算法 101
8.5.1 空域中的虹膜纹理 101
8.5.2 基于局部过零检测的虹膜特征提取算法 103
8.5.3 仿真研究 105
本章小结 110
参考文献 110
第9章 虹膜特征匹配 113
9.1 汉明距离计算 113
9.2 矩阵相似度计算 114
9.2.1 矩阵相似度 114
9.2.2 消除干扰影响的相似度计算 115
9.2.3 旋转虹膜配准的相似度计算 115
9.2.4 相似度的归一化 116
9.3 分类阈值的确定方法 116
9.3.1 基于马氏距离确定分类阈值 117
9.3.2 最小风险确定分类阈值 119
9.3.3 分类阈值的自适应调整方法 121
9.4 分类算法的评价 122
9.5 仿真研究 123
9.5.1 分类阈值对虹膜分类的影响 123
9.5.2 移位比较次数对分类的影响 124
9.5.3 特征提取算子对分类的影响 128
9.5.4 干扰破坏区域对分类的影响 130
9.5.5 有效区域大小对分类的影响 132
9.5.6 算法在不同数据库上的测试 134
本章小结 136
参考文献 136
第10章 改善虹膜识别性能的方法 137
10.1 不稳定特征产生的原因 137
10.2 序列图像投影的特征子空间算法 137
10.2.1 基于序列图像的识别系统原理 137
10.2.2 基于序列图像特征投影子空间的特征选择算法 138
10.2.3 仿真实验 141
10.3 基于AdaBoost的分类器训练算法 142
10.3.1 AdaBoost分类器增强概述 142
10.3.2 基于AdaBoost的分类器增强算法 144
10.3.3 仿真实验 146
10.4 基于同一虹膜差异图像的稳定特征选择算法 148
10.4.1 稳定特征选择 148
10.4.2 基于同一虹膜的稳定特征选择算法 149
10.4.3 仿真实验 152
本章小结 155
参考文献 155
第11章 虹膜图像质量评价系统 157
11.1 虹膜图像质量对识别的影响 157
11.2 虹膜图像质量评价系统的作用 157
11.3 虹膜图像质量评价方法 158
11.3.1 清晰度因子计算 158
11.3.2 干扰影响因子计算 159
11.3.3 综合质量评价因子计算 159
11.4 区域分割的评价 160
11.5 虹膜图像的防伪性检验 160
本章小结 161
参考文献 161
附录1 第二届生物特征识别竞赛 163
一、指纹识别算法 163
二、人脸识别算法 166
三、虹膜识别算法 168
四、掌纹识别算法 170
附录2 生物测定学术语表 172