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 身份鉴别面临挑战 2
1.2 生物特征识别概述 4
1.2.1 悄然兴起的识别技术 4
1.2.2 生物特征识别简介 6
1.2.3 生物特征识别研究现状 8
1.3 典型生物特征识别技术 10
1.3.1 生物特征识别的分类 10
1.3.2 典型生物特征识别 11
1.3.3 选择生物特征的原则 21
本章小结 24
参考文献 24
第2章 虹膜识别概述 27
2.1 虹膜概述 27
2.1.1 什么是虹膜 27
2.1.2 虹膜的优势 29
2.2 虹膜识别系统 32
2.2.1 虹膜识别系统原理 32
2.2.2 虹膜识别系统组成 33
2.3 虹膜识别工作模式 35
2.3.1 工作模式 35
2.3.2 用户身份登记子系统 35
2.3.3 用户身份识别子系统 36
2.4 虹膜识别发展现状 37
2.4.1 发展现状 37
2.4.2 应用领域 38
本章小结 44
参考文献 44
第3章 虹膜图像采集 46
3.1 虹膜图像获取技术 46
3.2 虹膜图像采集设备 48
3.2.1 虹膜图像采集 48
3.2.2 几何测距 49
3.2.3 聚焦检测 50
3.2.4 虹膜图像采集设备 53
3.3 建立虹膜数据库 54
3.3.1 建库意义 54
3.3.2 建库方法 55
3.4 虹膜数据库 57
3.4.1 CASIA虹膜数据库 57
3.4.2 NICE.I虹膜数据库 58
3.4.3 TIANDI虹膜数据库 59
本章小结 60
参考文献 61
第4章 虹膜边界定位 63
4.1 图像滤波 63
4.1.1 空域滤波 63
4.1.2 低通滤波 65
4.2 边缘提取 67
4.2.1 边缘检测 67
4.2.2 二值边缘提取 70
4.3 基于投票机制的虹膜边界定位 72
4.3.1 Hough圆的检测 72
4.3.2 感兴趣区域选择 75
4.3.3 基于投票机制的虹膜边界定位 79
4.3.4 仿真实验 83
4.4 基于微积分的虹膜边界定位 83
4.4.1 微积分检测圆 83
4.4.2 局部极值的剔除 85
4.4.3 基于微积分的虹膜边界定位 87
4.4.4 仿真实验 89
本章小结 90
参考文献 90
第5章 边缘点选择 93
5.1 非虹膜边界点影响虹膜定位 93
5.1.1 二值化阈值影响边缘提取 93
5.1.2 非虹膜边界点来源 94
5.2 极坐标下的虹膜边界定位 95
5.2.1 极坐标下的虹膜边界 95
5.2.2 圆的极坐标表示 98
5.2.3 极坐标下的虹膜边界定位 100
5.2.4 仿真实验 101
5.3 水平边缘点选择 102
5.3.1 边缘点选择的可行性 102
5.3.2 水平边缘点选择步骤 102
5.3.3 仿真实验 105
5.4 投票机制的虹膜边界定位改进算法 106
5.4.1 极坐标下边界点选择 106
5.4.2 极坐标到原图像空间的映射 107
5.4.3 投票机制的虹膜边界定位改进算法 108
5.4.4 仿真实验 109
本章小结 110
参考文献 111
第6章 虹膜区域的干扰检测 112
6.1 虹膜区域的干扰 112
6.2 眼睑轮廓定位 113
6.2.1 眼睑定位概述 113
6.2.2 眼睑轮廓定位 114
6.2.3 眼睑阴影估计 116
6.3 睫毛位置定位 117
6.4 光斑位置定位 118
6.5 仿真实验 119
本章小结 120
参考文献 120
第7章 虹膜区域规范化 122
7.1 虹膜区域的不变性 122
7.1.1 规范化原因 122
7.1.2 平移不变性 123
7.1.3 旋转不变性 124
7.1.4 伸缩不变性 124
7.2 虹膜区域弹性模型 125
7.2.1 弹性模型 125
7.2.2 虹膜区域的表示 126
7.3 虹膜区域规范化 128
7.3.1 虹膜区域规范化 128
7.3.2 确定规范化区域 130
7.4 仿真实验 132
本章小结 134
参考文献 134
第8章 虹膜特征提取 136
8.1 虹膜特征表示框架 136
8.1.1 虹膜特征提取方法 136
8.1.2 虹膜特征表示框架 138
8.2 经典虹膜识别算法 139
8.2.1 二维Gabor相位特征识别算法 139
8.2.2 多通道Gabor统计特征识别算法 141
8.2.3 图像相关性匹配算法 142
8.3 局部过零检测的虹膜特征提取 143
8.3.1 局部过零检测方法 143
8.3.2 局部过零检测的特征提取算法 145
8.4 仿真实验 148
8.4.1 二值特征表示 148
8.4.2 虹膜分类 149
8.4.3 算法比较 150
本章小结 154
参考文献 154
第9章 虹膜特征匹配 158
9.1 模式匹配的相似度 158
9.1.1 汉明距离 158
9.1.2 矩阵相似度 159
9.1.3 剔除干扰影响的相似度计算 160
9.1.4 克服虹膜旋转的相似度计算 161
9.1.5 相似度归一化 162
9.2 分类阈值的确定 163
9.2.1 分类阈值 163
9.2.2 基于马氏距离确定分类阈值 164
9.2.3 基于最小风险确定分类阈值 167
9.2.4 分类阈值的调整 170
9.3 仿真研究 171
9.3.1 分类阈值对虹膜分类的影响 171
9.3.2 移位比较次数对分类的影响 173
9.3.3 特征提取算子对分类的影响 178
9.3.4 虹膜干扰区域对分类的影响 180
9.3.5 虹膜有效区域对分类的影响 183
9.3.6 在不同数据库上的仿真实验 186
本章小结 187
参考文献 188
第10章 虹膜识别性能的改善 189
10.1 序列图像特征投影识别 189
10.1.1 序列图像特征投影识别原理 189
10.1.2 投影子空间特征选择算法 191
10.1.3 仿真实验 194
10.2 分类器增强 196
10.2.1 分类器 196
10.2.2 分类器增强算法 198
10.2.3 仿真实验 201
10.3 虹膜稳定特征注册 205
10.3.1 稳定特征 205
10.3.2 稳定特征选择算法 205
10.3.3 仿真实验 209
10.4 双目虹膜识别 213
10.4.1 双目虹膜识别现状 213
10.4.2 双目虹膜识别系统 216
本章小结 217
参考文献 218
第11章 虹膜图像质量评价 220
11.1 虹膜图像质量评价 220
11.1.1 图像质量对虹膜识别的影响 220
11.1.2 虹膜图像质量评价目的 221
11.1.3 虹膜区域分割质量评价 221
11.2 虹膜图像质量评价方法 222
11.2.1 图像清晰评价 222
11.2.2 虹膜干扰评价 223
11.2.3 综合质量评价 224
11.3 活体虹膜检测 224
11.3.1 活体虹膜检测的意义 224
11.3.2 活体虹膜检测方法 225
11.4 隐形眼镜的检测 227
11.4.1 隐形眼镜检测的意义 227
11.4.2 隐形眼镜实验测试 227
11.4.3 隐形眼镜检测方法 229
本章小结 230
参考文献 230
第12章 多生物特征识别技术 232
12.1 单生物特征具有局限性 232
12.1.1 受数据采集影响 233
12.1.2 受特征提取算法影响 233
12.1.3 受模式匹配算法影响 233
12.1.4 未经过大规模数据库测试 234
12.2 多模态生物识别技术 234
12.2.1 多生物特征识别 234
12.2.2 多生物特征融合策略 235
12.2.3 融合虹膜的多生物特征识别 239
本章小结 240
参考文献 240
第13章 行业解决方案 242
13.1 公安行业 242
13.2 教育行业 244
13.3 金融行业 245
13.4 智慧城市 247
13.5 司法行业 249
13.6 出入境管理 250
本章小结 251
参考文献 251