一、基于离散Gabor变换的虹膜编码方法研究（论文文献综述）
王刚[1]（2021）在《基于随机森林的多特征虹膜识别算法研究》文中研究指明生物识别技术是经过采集人体的某一种或多种生物特征,经过处理后进行匹配识别从而验证个人信息的一种技术。利用外部图像采集或传感器设备提取生物特征信息,将其处理后转为统一的特征模板,并保存到数据库中,使用计算机及相关识别算法完成身份验证过程。与传统的识别技术（钥匙、身份证、密码等）相比,生物识别的安全性更高,保密性更好。另外,使用生物特征做身份识别还具有防伪性能好、便携、不易遗忘或丢失等优点。可用于生物识别技术的生物特征有很多,主要分为行为特征和生理特征两种,其中生理特征包括:人脸、虹膜、掌纹、静脉、视网膜、DNA、指纹等;行为特征则包括:声调、声色、行走时的步伐姿态、笔迹等。虹膜属于人的一种特殊的生理特征,包含了很多交织相错的细小斑点、丝状纤维、沟壑、条纹、大小不一的隐窝等的纹理细节特征,散布在瞳孔与巩膜之间的圆环状区域,该区域由十分复杂的纤维状组织构成。在胎儿未出生前的发育阶段,虹膜就已经形成,在整个生命历程中除去某些特殊眼部疾病外,虹膜基本不会发生变化,十分稳定。因此这些细节特征及不变性使得每个人的虹膜都是特有的,使用虹膜作为生物识别和个人身份验证的特征信息具有唯一性。虹膜的唯一性与稳定性是很多其他生物特征所没有的优点,这使得虹膜在人体生物特征识别市场中将成为主流产品。虹膜识别主要是利用人眼图像中虹膜环状区域的纹理特征形成特征模板,将测试样本与所有样本的特征模板进行匹配分析,相似度对比,完成识别过程。虹膜识别的过程主要包括:图像采集、定位、分割、特征提取、匹配五个部分。在定位之前,由于虹膜图像有睫毛、眼睑等干扰,所以对图像进行预处理,处理过程常用的是对其进行中值滤波、高斯滤波等处理。定位过程主要是将瞳孔与巩膜之间的虹膜圆环标识出来,主流提取虹膜圆环的方法是利用灰度值跃变进行Hough圆检测、Canny边缘检测的方法。分割过程是将提取的虹膜圆环分割成固定大小的矩阵数组,归一化处理便于后续的特征提取。目前,在虹膜图像的特征提取过程中,主要提取虹膜图像的像素幅值或频域的相位信息,其中应用最广泛的是提取幅度信息构建特征模板。匹配过程主要是样本与数据库所有样本逐一比对,经过相似度的对比分析,得出最优匹配结果。本文提出了一种基于随机森林与多特征融合的虹膜识别算法,有效地解决了虹膜识别系统的特征单一、泛化能力及稳定性差的问题。使用局部二值模式（Local binary pattern）、S变换、Gabor小波变换三种方法提取虹膜特征,分别对归一化后的虹膜图像作不同窗口单元的LBP、不同方向的2D-Gabor变换、不同频率的S变换,将识别率、特征提取时间与匹配时间作为评判标准,取识别效果最好的三组作为后续使用的虹膜特征;模型搭建中将三种虹膜特征融合,并建立多棵决策树,匹配过程采用随机森林的方法,随机选择特征属性进行匹配。在每个样本与其他样本的匹配过程中,使用欧式距离作为匹配标准。本文实验的数据集采用了中科院CASIA V3.0-Interval数据库与自建虹膜数据库IrisSDU。实验结果表明,该系统的平均识别率在V3.0数据库可以达到99%以上,IrisSDU数据库可以达到95%以上。因此得出结论,随机森林的随机性提高了识别系统的识别率与泛化能力,使得算法更加稳定。
张文云[2]（2020）在《应用于虹膜识别的模板保护方法研究》文中研究说明随着信息技术的迅速发展,越来越多的领域需要可靠安全的身份认证技术。在各种市场需求的推动下,生物特征识别得到了快速发展,虹膜识别技术因具备众多优点成为热门研究之一。然而随着虹膜识别技术的应用和发展,该技术逐渐暴露出一些安全隐患,一旦虹膜特征数据库被盗取,将导致用户的信息泄露,影响用户的人身财产安全。因此,针对虹膜特征的原始数据保护成为该领域的主要研究热点之一。本文以虹膜识别系统中虹膜特征模板保护问题为主要研究内容,研究虹膜图像的预处理、特征提取、模板保护以及匹配方法,提出一种双虹膜模板保护方法。在虹膜图像预处理阶段,采用经典算法进行虹膜定位及归一化。然后采用Log-Gabor变换提取纹理特征。为保护所得的虹膜原始特征数据,本文提出一种基于局部置乱与双随机相位编码（DRPE,Double Random Phase Encoding）的双虹膜模板保护方法,该方法采用同一用户的左右虹膜,将左虹膜特征矢量作为验证虹膜,而右虹膜特征矢量作为密钥,将用户的左虹膜图像的特征矩阵采用Arnold分块置乱,以获得虹膜特征码（IrisCode）的第一重保护,然后从同一用户的右虹膜图像中提取IrisCode作为双随机相位编码的第二相位掩膜,在分数傅里叶域通过双随机相位编码的方法生成新的模板存储在数据库中,以达到虹膜模板保护的目的。在匹配阶段,本文采用汉明距离进行分类得出匹配结果。为了说明本文方法的适用性和普遍性,采用CASIA-IrisV3数据集中的三个子图库即CASIA-IrisV3-Interval、CASIA-IrisV3-Lamp以及CASIA-IrisV3-Twins和MMU-V1数据集中的虹膜图像对所提出的方法进行仿真实验与性能评估。随机选取每个图库中每个人的50%样本作训练集,其余作为测试集,本文算法最终的正确识别率分别为98.73%、83.35%、78.99%以及73.65%,相比较未加密方法的正确识别率而言略有降低,但该算法以略低的识别正确率为代价换取了更好的模板保护效果,其可判定性d’较高,分别为5.64、5.02、5.97、4.87,说明冒名顶替者与真实分布之间的距离较大,本文的模板保护方法提高了模板保护的性能。另外本文算法可生成的模板数量为522,攻击者恢复原始数据需要尝试31452′624′4 2次,表明本文算法能够满足模板保护方法的三大标准,即不可逆性、可撤销性以及不可链接性。除此之外,该方法还能够避免爬山攻击以及相关攻击。综上,本文所提出的方法在满足较高识别率的同时实现了虹膜原始特征数据的保护。
杜梦丽[3]（2020）在《指静脉图像特征提取算法研究》文中研究说明指静脉识别作为生物特征识别技术的一种,被人们广泛的关注。相比于其它具有生物特性的识别技术,手指静脉识别具有活体检测,难以复制和伪造,易于被接受,且安全性高等优点,使其成为了研究热点。指静脉识别主要有采集指静脉图像,预处理,特征提取,匹配与识别4个步骤。其中,指静脉特征提取作为关键步骤,它显着地影响指静脉识别系统的性能。本文主要研究指静脉特征提取方法,提出了基于空频域的可变窗宽Gabor变换的指静脉特征提取方法和基于时域的特征提取方法。论文的主要工作概括如下:（1）基于可变窗宽Gabor变换的指静脉识别。针对指静脉图像具有丰富的纹理特征和频率空变特性的特点,提出了一种基于空频分析的指静脉纹理特征提取方法。由于固定窗宽的Gabor变换具有固定的空频分辨率,不能同时达到最好,因此,对固定窗宽Gabor变换的方法进行改进。首先,在设置窗函数的宽度时,根据图像局部差分激励大小动态地调整窗函数宽度,使其可以自适应调节空频分辨率;其次,根据得到的实值离散Gabor变换系数的能量和,求出每块的信息熵,形成指静脉特征。实验结果显示,与现有的指静脉特征提取方法相比,基于可变窗宽Gabor变换的方法在FV-TJ和FV-USM数据库中识别率分别达到100%和99.39%,且等错误率为0.2019%,0.4743%,表明提出的方法识别性能更好。（2）基于可变曲率Gabor滤波器韦伯局部描述子的指静脉识别。为了能够更好地对指静脉图像进行识别,根据指静脉图像的线特征具有不同弯曲程度的特点,提出了一种基于可变曲率Gabor滤波器的韦伯局部描述子（DCGWLD）。首先,根据中心像素点与邻域像素点灰度差值具有方向性,对差分激励进行改进。在计算差分激励时,加入方向信息,扩大了不同类别指静脉图像之间的差异。其次,根据指静脉图像中的线特征存在不同的弯曲程度,对方向算子进行改进,采用改进的Gabor滤波器提取图像中不同曲率和方向的双线特征,扩大对平移,旋转的鲁棒。最后,为了更好地衡量特征间的相似度,采用了归一化相关系数（NCC）规模匹配分数算法,进一步提升识别率,同时降低等错误率。为了验证提出方法的识别性能,将所提出的可变曲率Gabor滤波器韦伯局部描述子在PolyU和SDUMLA-FV数据库中进行对比实验,实验结果表明,与LBP,LDN等局部描述子相比,提出的方法识别率达到99.89%和99.42%,同时等错误率达到0.6410%,0.7862%,更具有优势,且识别性能更好。
孙远[4]（2020）在《基于脚步信号的高精度采集技术辅助身份识别方法研究》文中研究指明随着大数据、互联网、计算机技术以及数据获取方法、设备的快速发展,个人身份识别技术已经在国家公共安全与监督服务、周界安防与军事侦察领域、医疗卫生等方面得到广泛的关注。传统的身份识别技术主要是基于身份证、口令、智能卡等技术,这些传统方法通常存在使用不便捷、伪造、丢失等缺点。因此传统认证方式存在着安全隐患,尤其随着社会的发展需要开展身份认证的环节越来越多,传统身份识别技术在一些应用领域难以满足现代社会科技高速发展的需求。近年来,以虹膜、指纹、人脸、步态、声纹等为媒介的生物识别技术不断出现。其利用人体相对稳定的生理特征,以及具有一定生理学基础,可以反映人的心理变化的行为特征,结合图像处理、模式识别等计算机技术,实现了个人身份的识别。例如,虹膜识别可以通过对比虹膜图像特征来甄别用户身份。指纹识别可利用指纹唯一性的特征进行图文采集存储,通过对指纹图案、纹路的不同进行用户身份的识别。人脸识别技术更是应用广泛,通过摄像机或摄像头,采集人脸的图像或视频,分析人的脸部特征,完成身份识别。声纹识别也是生物识别技术的一种,也被称为说话人识别。通过引起人体讲话器官尺寸和形态的差异,分析声纹图谱,来进行说话人识别。步态识别是通过摄像头采集行走视频,从步态轮廓中提取特征,从而实现身份识别。虽然以上介绍的生物识别技术得到了较好的应用与发展,但是基于虹膜、指纹、声纹的生物识别技术通常需要参与者或使用者的主动配合;基于人脸和步态的生物识别技术需要对采集到的图像或视频进行分析,对于一些不便安装摄像头或摄像机的区域,例如周界、私人场所、涉密区域等地,两种技术会受到限制。对于一些违法犯罪活动,嫌疑人会故意躲避装有摄像头的区域而从事违法犯罪活动。私挖地道、走私通道而进行走私、盗窃、越狱等违法犯罪活动也很难通过虹膜、指纹、人脸等生物识别技术进行监测。因此,本文研究了一种基于脚步振动信号的生物识别技术。脚步振动信号属于人类行为特征的一种,脚步振动信号蕴含了人员个体的性格、性别、年龄、身高、体重等信息,可以通过对脚步振动信号的分析,来实现个人身份的识别。本文主要从高精度采集仪器设计与开发、信号降噪、特征提取、特征选择、分类识别几方面展开相关研究。（1）首先结合地球物理学的知识对脚步振动信号的产生机理进行了分析。根据脚步振动信号传播特点,设计并开发了高精度脚步振动信号采集仪器,该仪器是在国家重点研发计划课题三-CO2注入及封存状态地质与地球物理监测技术与装备（2018YFB0605503）项目的支撑下进行研发的,不仅可以用来进行地球物理监测,还可用于脚步振动信号的采集。本文选用高灵敏度、抗噪性能好、频带宽、体积小、具有线性相位的MEMS加速度传感器作为采集仪器的前端。采用不锈钢防水外壳对MEMS传感器及外围电路进行封装,通过电缆与采集站连接。采集站部分主要进行了信号调理电路、供电电路、AD转换电路、GPS同步采集电路、通讯与存储电路的设计,其中调理电路主要包括滤波、放大电路的设计。采集仪器可通过SD卡进行本地存储。为了实时监测脚步振动信号,开发了一套快速、简洁、高效的数据实时采集软件,使用成熟的Visual C++编写并使用高效的MSVC编译器编译,基于速度高、延迟低的UDP协议接收采集站发送的脚步振动信号,以简洁直观的用户图形界面与用户进行人机交互并对数据进行存储和实时可视化。最后利用脚步振动信号采集系统在室内设计并完成30人脚步振动信号采集实验,并对部分脚步振动信号特点进行了分析。（2）针对采集过程中,存在的仪器与环境背景噪声,提出了一种基于变分模态分解与小波能量熵的降噪算法。通过VMD方法将脚步振动信号分解为多个固有模态函数,利用小波变换技术将各固有模态函数进行多尺度小波分解,将得到的各细节系数等分成若干子区间,计算各子区间的小波能量熵值,选取小波能量熵值最大子区间的细节小波系数平均值,作为该模态分量在该尺度下的噪声方差代入阈值公式并计算对应阈值,通过小波能量熵值改进的阈值函数来对各模态分量各尺度的细节系数进行降噪处理,重构各固有模态函数后,再重构脚步振动信号。利用模拟信号和实际采集到的脚步振动信号进行降噪分析,结果表明本文的降噪方法在不同噪声水平、不同降噪方法上,都取得了最高的信噪比,定性定量地说明了本文方法的有效性,实现了脚步振动信号仪器与环境背景噪声的压制,并保持了脚步振动信号的波形特征。（3）在对脚步振动信号进行去噪处理后,本文全面的从时域、频域、时频域对脚步振动信号的特征进行了分析与提取。时域和频域主要进行了统计特征的提取。同时采用端点检测的方法,提取了一步脚步振动信号的持续时间和两步连续脚步振动信号间隔时间作为时域特征。时频域结合模拟和实际采集到的脚步振动信号对比分析了一些常用的时频方法,包括短时傅里叶变换、Gabor变换、小波变换、S变换、Wigner-Ville分布等方法,最终选择效果最好的S变换。针对S变换后的时频复矩阵维度较高的问题,利用奇异值分解方法提取脚步振动信号时频特征,降低数据维度。将脚步振动信号划分为不同长度,进而研究数据长度对分类识别的影响。最后针对不同长度脚步振动信号的时域、频域、时频域提取的特征建立了脚步振动信号特征向量。（4）针对冗余特征和相似特征会增加分类识别的时间,降低分类识别的精度的问题。本文提出了 一种基于膜计算和粒子群算法结合SVM的特征选择选择方法,在优化特征子集的同时,对分类器参数也进行了联合优化方法。粒子群算法存在明显的缺点,即容易早熟,当粒子初始速度设置不当,还容易出现陷入局部最优的现象。针对此问题,本文使用膜计算方法来对粒子群算法进行优化处理,利用膜计算的分布式、并行处理的特点,能够较好的平衡粒子局部和全局搜索精度,同时也能保持粒子种群的多样性。以分类器参数惩罚参数、核参数以及特征子集数量构造二进制粒子,再转换为SVM分类器识别的十进制数。利用分类精度和特征子集建立适应值函数,通过粒子的寻优迭代,最终输出最优分类器参数和最优特征子集以及对应的分类精度。通过最小二乘支持向量机和二叉树结构,构建了分类器训练模型。利用测试集数据,结合BPSO-LSSVM、LSSVM、BPNN方法,验证了本文方法的优异性。无论收敛速度、识别准确率、识别时间,本文算法都体现出了最佳的效果。
张震[5]（2017）在《图像超分辨率重构在虹膜识别中的应用与研究》文中提出虹膜识别技术是人体生物识别技术的一种,因为其良好的性质,受到当今人们的广泛关注,是最具发展潜力的生物认证技术。图像超分辨率重构技术能够利用一组低分辨率图像产生高分辨率图像,可以保证清晰度的同时放大图像,该技术在医疗等领域得到广泛应用。当被识别者与人眼采集设备距离较远时,很难采集到足够清晰的虹膜图像,并因此影响虹膜识别系统的检测效果。为了解决这一问题,本课题采用了多图超分辨率重构技术,模拟人眼的连续拍摄情景,对多张低分辨率人眼图像进行重构达到提高辨识正确率的效果。首先,本课题实现了一个稳定可靠的虹膜识别系统,系统中结合二值图像边缘提取和Daugman算法两种算法,提高了虹膜定位的正确率,并实现了一维gabor,二维gabor和二维haar小波变换三种编码方式。其次,编程实现了双线性插值,自适应归一化卷积,迭代反投影和凸集投影四种超分辨率重构算法,并比较了四种算法的运行速度和重构效果。然后,根据人眼图像的采样间隔和被测者的配合程度,模拟了两种应用场景,在时间间隔短且被测者配合的情况下又分为先对人眼图像重构再虹膜定位和先分别虹膜定位再对虹膜图像重构两种应用,并对比了辨识结果。最终,确定了双线性插值和凸集投影算法比较适用于虹膜识别的结论,验证了图像超分辨率重构在虹膜识别中具有应用价值。
郭婧宇[6]（2015）在《基于掌纹的身份识别算法研究》文中研究指明掌纹识别作为一种新的生物特征识别技术,是近年来生物特征识别领域的研究热点,掌纹识别跟静脉识别相比具有图像采集方便的特点,跟手形识别相比具有特征信息丰富的特点,跟虹膜识别相比具有用户接受程度高的特点。但掌纹识别技术目前仍处在尚未成熟的研究阶段,存在许多亟待解决的问题,因此,本文选择对掌纹识别技术进行研究。本文研究的内容主要包括掌纹图像感兴趣区域的提取,掌纹图像增强以及掌纹图像特征提取三个部分,具体如下：基于灰度积分投影曲线的掌纹图像感兴趣区域提取算法研究。本文结合所用掌纹图像的特点提出了一种有针对性的掌纹图像感兴趣区域提取方法,这种方法基于香港理工大学的掌纹公开数据库,在对掌纹图像进行阈值化之后,利用灰度积分投影曲线选取定位点,以定位点连线与垂直方向的夹角作为旋转角度对掌纹图像进行方向校正,最终得到大小为128*128的标准掌纹图像。基于sobel梯度算子的模糊反锐化掩蔽掌纹图像增强算法研究。首先,对提取到的掌纹图像感兴趣区域进行灰度归一化,消除不同掌纹图像拍摄过程中的微小灰度值差异；然后,提出了一种基于sobel梯度算子的模糊反锐化掩蔽增强算法对灰度归一化后的掌纹图像进行增强,由于掌纹图像具有边缘特性,算法首先对掌纹图像进行sobel梯度操作得到掌纹图像中的主线信息,为了去除掌纹主线图像中的小细纹和噪声信息,使用均值滤波对掌纹主线图像进行平滑；进一步,为了有效增强主线的对比度,利用一个半开的隶属度函数将平滑后的掌纹主线图像映射到[0,1]的模糊域,得到反锐化模板,最后利用反锐化掩蔽算法实现对掌纹图像的增强。该方法在增强掌纹纹线与周围皮肤区域对比度的同时,有效地消除了由于手部位置放置不当或者手掌未完全伸展造成的局部小阴影；为了进一步突出掌纹主线,使用了余弦灰度拉伸函数对增强后的图像进行灰度拉伸处理。基于二维实值离散Gabor时频分析的掌纹图像特征提取算法研究。把增强后的掌纹图像分割成8*8个互不重叠的子块,并进行二维实值离散Gabor变换,得到了8*8*16*16维Gabor时频系数。首先,计算每个子块Gabor系数的频域能量和,得到了64维的掌纹特征向量,利用欧氏距离作为分类器进行识别,在30个种类,共计600张掌纹图像的数据库中,正确识别率达到了97.56%；进一步使用主成分分析法,对每个16*16维的子块系数进行降维,得到了256维的特征向量,在相同的600张掌纹图像的数据库中,同样利用欧式距离作为分类器,正确识别率达到了99.05%,平均每张图像的识别时间为0.41s,在用户可等待范围内,满足实际应用的要求。
邓维杰[7]（2013）在《Gabor变换参数意义及其对虹膜识别影响的研究》文中研究表明生物识别技术是利用其本身的特征作为身份标识物，而不是采用传统的身份标识物进行身份认证的一种技术，具有更加安全、随身携带、不易丢失或者冒用等特点。因为作为一个人重要的身份特征的虹膜的不变性和非侵入性，这使得人们对基于虹膜识别的身份验证技术产生了很大的兴趣。鉴于2D Gabor函数与人的视觉皮层接受野的相似性，基于2D Gabor滤波器的特征提取算法的研究受到了越来越多的关注。本文重点研究了用于特征提取的2D Gabor滤波器参数的意义及各个参数取值对虹膜识别率的影响。本文首先对利用2D Gabor滤波器提取虹膜纹理有效信息的理论进行了阐述，研究了2D Gabor函数各参数的意义；然后，对Gabor滤波器各参数的有效取值范围以及参数取值对虹膜识别率的影响进行了研究；最后，通过对CASIA和JLU-IRIS虹膜数据库中大量样本的实验验证，证明了各个参数取值对特征提取的有效性和识别准确率的影响，同时也验证了算法的有效性。本文的主要研究内容涉及到以下几个方面：1.研究了2D Gabor函数参数的意义及其性质。本文首先对二维Gabor函数的由来及其在虹膜识别中的作用与优势进行了分析，其次对二维Gabor函数中频率、方向等各个参数的具体含义进行了研究，说明了各个参数的具体含义，最后对二维Gabor滤波器的方向、频率和局部等特性进行了阐述。2.对用于提取虹膜纹理信息时，2D Gabor滤波器的各个参数的取值进行了研究。本文首先分析了虹膜纹理信息的特殊性与多样性，然后研究了二维Gabor用于提取虹膜纹理信息的频率、倍频程、尺度、方向等各参数的合理取值范围，最后从CASIA虹膜库中选出15类图像，从JLU-IRIS虹膜库中选出9类图像，使用遗传算法对各个参数取值进行了寻优，获得了提取纹理有效信息的滤波器组参数合理的值。3.对2D Gabor滤波器参数的取值对虹膜识别率的影响进行了研究。本文在Gabor滤波器参数取不同值时，针对CASIA虹膜库70类和JLU-IRIS虹膜库9类图像进行了特征提取，然后进行模式识别。参数取值的不同对识别率有很大的影响，参数取值的最佳组合时识别率分别达到了92.8%和97.3%。通过实验也证明了二维Gabor滤波器提取特征的有效性，并对各个参数对识别率的影响进行了分析，证明了二维滤波器的方向、频率和局部等特性。综上所述，本文对Gabor滤波器参数的意义、性质以及用于提取虹膜纹理信息的参数取值进行了重点研究，并通过实验证明了Gabor滤波器的特性以及各参数取值不同对虹膜识别率的影响，使实验室目前的虹膜识别系统识别率有所提升。
杨涛[8]（2009）在《虹膜识别特征提取技术关键算法分析研究》文中研究指明随着互联网技术的高速发展,身份认证技术得到了广泛的应用,传统的密码认证技术已经不满足当今社会的要求,生物特征识别技术应运而生。虹膜识别技术以其独特的生物识别优越性成为信息安全领域的研究热点,虹膜识别的研究涉及到计算机视觉、数字图像处理、模式识别等众多学科领域。本文针对虹膜识别中的特征提取技术及相关算法进行重点研究。通过对传统滤波器算法的分析研究,由于虹膜纹理的固有复杂度及滤波器的构造缺陷,会导致滤波器的构造不能被普遍适用。针对滤波器存在的问题,本文在2D Log-Gabor滤波器的基础上提出了一种二维奇对称Log-Gabor滤波器改进算法。首先将2DLog-Gabor滤波器进行坐标系转换,屏蔽了角度方向带宽过大的影响,其次对滤波器进行奇对称变换,提高有效特征提取率,最后对提取出的系数矩阵进行特征融合,从而减少冗余特征数量。该算法通过对虹膜纹理的相位和幅度信息在不同频率和方向进行分析,采用结构化纹理分析找出空间域中虹膜纹理的灰度分布规律,采用特征融合技术减少海明距离总编码长度,提高有效编码率,有效地解决了传统滤波器存在的问题。通过实验对改进算法进行验证,并设计实现了虹膜识别系统。实验结果表明,本算法对噪声和干扰具有较强的鲁棒性,能有效提高虹膜识别率,具有较高的理论和实用价值。
刘爱林,胡泽芳,李翔[9]（2008）在《基于第二类实数Gabor变换的虹膜识别》文中研究表明在虹膜识别的研究和应用领域,虹膜特征提取是虹膜识别中的核心技术,提出基于第二类2D Real Gabor的虹膜识别算法。首先计算Gaussian函数的对偶窗函数;然后将对偶窗函数的RGT对归一化后的虹膜纹理进行分解,利用得到的第二类2D Real Gabor变换系数求取局部均值与方差作为虹膜纹理特征。在算法上实现完全实数运算,大大降低了算法的复杂性。实验结果及数据分析表明了此方法的合理性及有效性。
崔蓓蓓[10]（2008）在《基于实数形式Gabor变换的虹膜识别》文中进行了进一步梳理虹膜识别是一种新的生物识别技术。该文主要研究虹膜图像预处理、特征提取和匹配几个部分的优化。其基本思想是:在特征提取阶段,对预处理后的虹膜图像进行Gabor变换,利用得到的实数Gabor变换系数求取局部均值与方差作为虹膜纹理特征。在算法上实现完全实数运算,大大降低了算法的复杂性。实验结果及数据分析表明了此方法的合理性及有效性。
二、基于离散Gabor变换的虹膜编码方法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于离散Gabor变换的虹膜编码方法研究（论文提纲范文）
（1）基于随机森林的多特征虹膜识别算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 发展现状及目前存在的问题 |
| 1.3 论文的研究任务及内容安排 |
| 第2章 预处理与特征提取算法介绍 |
| 2.1 Canny算法 |
| 2.2 Hough变换算法 |
| 2.3 局部二值模式(Local Binary Pattern) |
| 2.4 2D-Gabor |
| 2.5 S变换 |
| 2.6 本章小结 |
| 第3章 随机森林 |
| 3.1 决策树 |
| 3.2 随机森林 |
| 3.3 本章小结 |
| 第4章 实验方法与结果 |
| 4.1 数据库介绍 |
| 4.1.1 CASIA 3.0-interval数据集 |
| 4.1.2 Iris_SDU数据集 |
| 4.2 实验流程 |
| 4.2.1 预处理 |
| 4.2.2 特征提取 |
| 4.2.3 匹配 |
| 4.3 实验结果 |
| 4.3.1 CASIA-V3.0-interval数据集 |
| 4.3.2 Iris_SDU数据集 |
| 4.4 实验对比分析讨论 |
| 4.5 虹膜识别系统界面设计 |
| 4.5.1 设计过程 |
| 4.5.2 设计结果 |
| 4.6 本章小结 |
| 第5章 总结展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（2）应用于虹膜识别的模板保护方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 生物特征识别与模板保护的研究背景与意义 |
| 1.1.1 生物特征识别的研究背景与意义 |
| 1.1.2 生物特征模板保护的研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 虹膜特征提取方法研究现状 |
| 1.2.2 虹膜特征模板保护方法研究现状 |
| 1.3 本文的内容及章节安排 |
| 第2章 虹膜识别与模板保护的基础理论 |
| 2.1 虹膜图像预处理 |
| 2.1.1 虹膜定位 |
| 2.1.2 虹膜图像归一化 |
| 2.2 虹膜特征提取方法 |
| 2.3 虹膜特征模板保护方法 |
| 2.3.1 基于局部排序的可撤销模板保护方法 |
| 2.3.2 基于离散对数的可撤销模板保护方法 |
| 2.4 虹膜匹配方法 |
| 2.5 虹膜数据库与实验平台 |
| 2.5.1 虹膜图库 |
| 2.5.2 实验平台 |
| 2.6 本章小结 |
| 第3章 基于局部置乱与DRPE的双虹膜模板保护方法 |
| 3.1 置乱算法 |
| 3.1.1 Arnold置乱 |
| 3.1.2 分块置乱 |
| 3.2 分数傅里叶域的双随机相位编码 |
| 3.2.1 分数傅里叶变换 |
| 3.2.2 双随机相位编码 |
| 3.3 基于局部置乱与DRPE的双虹膜模板保护方法 |
| 3.4 本章小结 |
| 第4章 实验结果与安全性分析 |
| 4.1 相关评价指标简介 |
| 4.1.1 虹膜识别的相关评价指标 |
| 4.1.2 模板保护的相关评价指标 |
| 4.2 识别性能分析 |
| 4.2.1 不同图库识别性能分析 |
| 4.2.2 置乱次数与识别正确率的关系 |
| 4.2.3 不同算法性能比较 |
| 4.3 安全性能分析 |
| 4.3.1 不可逆性 |
| 4.3.2 可撤销性 |
| 4.3.3 不可链接性 |
| 4.3.4 关联攻击 |
| 4.3.5 爬山攻击 |
| 4.4 本章小结 |
| 第5章 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（3）指静脉图像特征提取算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 生物特征识别概论 |
| 1.2 指静脉识别技术概述 |
| 1.2.1 指静脉识别的原理及研究意义 |
| 1.2.2 指静脉识别国内外研究现状 |
| 1.2.3 指静脉识别技术面临的挑战 |
| 1.3 本文主要研究内容 |
| 第二章 指静脉识别基础理论 |
| 2.1 引言 |
| 2.2 指静脉识别系统性能指标 |
| 2.3 指静脉数据库介绍 |
| 2.4 本章小结 |
| 第三章 基于可变窗宽Gabor变换的指静脉识别 |
| 3.1 引言 |
| 3.2 二维实值离散Gabor变换 |
| 3.3 基于可变窗宽的Gabor变换特征提取 |
| 3.3.1 自适应窗宽的选择 |
| 3.3.2 指静脉图像特征 |
| 3.3.3 识别与匹配 |
| 3.4 实验结果与分析 |
| 3.4.1 RDGT参数设置 |
| 3.4.2 固定窗宽Gabor变换和可变窗宽Gabor变换的对比 |
| 3.4.3 对比试验 |
| 3.5 本章小结 |
| 第四章 基于可变曲率Gabor滤波器韦伯局部描述子的指静脉识别 |
| 4.1 引言 |
| 4.2 韦伯局部描述子(WLD) |
| 4.2.1 差分激励 |
| 4.2.2 方向 |
| 4.3 可变曲率Gabor滤波器韦伯局部描述子 |
| 4.3.1 改进差分激励 |
| 4.3.2 可变曲率Gabor滤波器 |
| 4.3.3 DCGWLD特征提取 |
| 4.3.4 匹配与识别 |
| 4.4 实验仿真与结果分析 |
| 4.4.1 参数测试 |
| 4.4.2 DCGWLD方法改进效果验证 |
| 4.4.3对比实验 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表论文 |
（4）基于脚步信号的高精度采集技术辅助身份识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 研究内容及创新点 |
| 1.3.2 技术路线 |
| 1.4 本文结构安排 |
| 2 脚步振动信号高精度采集系统设计研究 |
| 2.1 引言 |
| 2.2 脚步振动信号产生机理分析 |
| 2.3 脚步振动信号采集仪器硬件电路设计 |
| 2.3.1 振动传感器的选型 |
| 2.3.2 供电电路的设计 |
| 2.3.3 信号调理电路 |
| 2.3.4 模数转换电路设计 |
| 2.3.5 GPS同步采集电路 |
| 2.3.6 微处理器选择 |
| 2.3.7 数据传输与存储电路设计 |
| 2.3.8 采集仪器对比分析 |
| 2.4 脚步振动信号采集系统软件设计 |
| 2.4.1 脚步振动信号采集软件需求分析 |
| 2.4.2 脚步振动信号采集软件设计 |
| 2.4.3 脚步振动信号采集软件测试及结论 |
| 2.5 脚步振动信号采集实验 |
| 2.5.1 脚步振动信号采集实验及设计 |
| 2.5.2 脚步振动信号特点分析 |
| 2.6 本章小结 |
| 3 脚步振动信号降噪算法研究 |
| 3.1 引言 |
| 3.2 变分模态分解 |
| 3.2.1 VMD算法 |
| 3.2.2 VMD算法流程 |
| 3.2.3 VMD参数确定 |
| 3.3 小波能量熵 |
| 3.3.1 小波变换 |
| 3.3.2 信息熵 |
| 3.3.3 阈值和阈值函数的选取 |
| 3.4 基于变分模态分解和小波能量熵理论的降噪算法 |
| 3.5 实验结果及分析 |
| 3.5.1 模拟信号实验 |
| 3.5.2 不同噪声水平模拟实验 |
| 3.5.3 实测实验分析 |
| 3.6 本章小结 |
| 4 脚步振动信号特征提取与特征向量构建研究 |
| 4.1 引言 |
| 4.2 基于时域的脚步振动信号特征分析与提取 |
| 4.2.1 基于端点检测的时域特征指标 |
| 4.2.2 时域统计特征指标 |
| 4.3 基于频域的脚步振动信号特征分析与提取 |
| 4.4 基于时-频域的脚步振动信号特征分析与提取 |
| 4.4.1 线性时频分析方法 |
| 4.4.2 非线性时频分析方法 |
| 4.4.3 脚步振动信号时频特征分析 |
| 4.4.4 基于S变换和SVD的脚步振动信号时频特征提取 |
| 4.5 脚步振动信号特征向量构建 |
| 4.6 本章小结 |
| 5 基于特征选择的脚步振动信号个人身份识别研究 |
| 5.1 引言 |
| 5.2 特征选择概述 |
| 5.3 粒子群算法 |
| 5.3.1 粒子群算法原理 |
| 5.3.2 二进制粒子群算法 |
| 5.4 膜计算 |
| 5.4.1 膜计算原理 |
| 5.4.2 膜计算优化粒子群算法 |
| 5.5 支持向量机 |
| 5.5.1 SVM介绍 |
| 5.5.2 LSSVM介绍 |
| 5.6 基于MCBPSO-LSSVM特征选择方法的脚步振动信号个人身份识别 |
| 5.6.1 粒子编码设计 |
| 5.6.2 适应度函数构建 |
| 5.6.3 脚步振动信号特征选择算法流程 |
| 5.7 实验结果及分析 |
| 5.7.1 脚步振动信号个人身份识别分类器构造 |
| 5.7.2 分类器训练实验分析 |
| 5.7.3 测试实验对比分析 |
| 5.8 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
（5）图像超分辨率重构在虹膜识别中的应用与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的背景和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 图像超分辨率重构国内外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本课题主要研究内容 |
| 1.4 本文组织结构安排 |
| 第2章 虹膜识别算法研究与仿真 |
| 2.1 虹膜识别原理 |
| 2.1.1 虹膜生物结构与特性 |
| 2.1.2 虹膜图像识别基本流程 |
| 2.1.3 虹膜识别算法评判标准 |
| 2.2 虹膜图像提取 |
| 2.2.1 canny边缘检测 |
| 2.2.2 虹膜定位 |
| 2.2.3 虹膜图像预处理 |
| 2.3 虹膜特征提取 |
| 2.3.1 一维gabor变换提取特征 |
| 2.3.2 二维gabor变换提取特征 |
| 2.3.3 二维小波变换提取特征 |
| 2.3.4 三种编码方式比较 |
| 2.4 虹膜识别试验方法 |
| 2.4.1 汉明距离 |
| 2.4.2 实验方案 |
| 2.5 辨识结果 |
| 2.5.1 不同虹膜定位算法辨识结果对比 |
| 2.5.2 不同虹膜特征编码辨识结果对比 |
| 2.6 本章小结 |
| 第3章 图像超分辨率重构算法研究与实践 |
| 3.1 图像超分辨率重构原理 |
| 3.1.1 图像观测模型及模拟下采样 |
| 3.1.2 多图像超分辨率重构基本流程 |
| 3.1.3 多图像超分辨率重构评判标准 |
| 3.2 图像配准 |
| 3.2.1 相位相关法图像配准 |
| 3.2.2 Keren图像配准 |
| 3.2.3 本文配准算法 |
| 3.3 超分辨率图像重构算法 |
| 3.3.1 双线性插值算法 |
| 3.3.2 自适应归一化卷积算法 |
| 3.3.3 迭代反投影算法 |
| 3.3.4 凸集投影算法 |
| 3.4 结果对比 |
| 3.5 本章小结 |
| 第4章 超分辨率图像重构在虹膜识别中的应用 |
| 4.1 低分辨率与原分辨率人眼图片辨识结果对比 |
| 4.2 同一时刻虹膜重构图像的辨识结果对比 |
| 4.2.1 对人眼图像重构 |
| 4.2.2 对虹膜图像重构 |
| 4.3 不同时刻虹膜重构图像的辨识结果对比 |
| 4.4 实验结果总结 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（6）基于掌纹的身份识别算法研究（论文提纲范文）
| 摘要 |
| Absttract |
| 第一章 绪论 |
| 1.1 基于生物特征的身份认证技术概述 |
| 1.1.1 基于生物特征的身份认证研究目的和意义 |
| 1.1.2 基于生物特征的身份认证技术发展现状 |
| 1.2 掌纹识别技术概述 |
| 1.2.1 掌纹识别技术研究现状 |
| 1.2.2 现有掌纹图像采集装置及掌纹图像数据库介绍 |
| 1.3 本文主要研究内容 |
| 1.4 本文内容安排 |
| 第二章 掌纹识别系统框架及评价标准 |
| 2.1 引言 |
| 2.2 掌纹识别系统框架 |
| 2.3 掌纹识别评价标准 |
| 2.4 小结 |
| 第三章 掌纹图像预处理 |
| 3.1 引言 |
| 3.2 掌纹感兴趣区域图像获取 |
| 3.2.1 常用的掌纹感兴趣区域图像提取方法 |
| 3.2.2 本文所用的掌纹感兴趣区域图像提取方法 |
| 3.3 掌纹图像灰度归一化 |
| 3.4 掌纹图像增强 |
| 3.4.1 反锐化掩蔽算法原理 |
| 3.4.2 模糊集合理论简介 |
| 3.4.3 基于sobel算子的模糊反锐化掩蔽增强算法 |
| 3.5 小结 |
| 第四章 掌纹图像特征提取 |
| 4.1 引言 |
| 4.2 基于小波分解的特征提取算法 |
| 4.3 基于二维实值Gabor的特征提取算法 |
| 4.3.1 图像实值离散Gabor变换 |
| 4.3.2 基于Gabor变换频域能量和的掌纹特征提取方法 |
| 4.3.3 结合Gabor变换与PCA的掌纹特征提取方法 |
| 4.4 图像的主成分分析原理 |
| 4.5 小结 |
| 第五章 实验分析与比较 |
| 5.1 引言 |
| 5.2 以欧氏距离为分类器的匹配识别方法介绍 |
| 5.3 识别过程中各个参数的确定 |
| 5.3.1 增强过程中滤波窗大小和迭代次数的确定 |
| 5.3.2 Gabor变换中综合窗窗口大小的确定 |
| 5.3.3 PCA提取维数的确定 |
| 5.4 小结 |
| 第六章 总结与展望 |
| 6.1 本文研究工作及成果 |
| 6.2 进一步的研究工作 |
| 参考文献 |
| 附图 |
| 附表 |
| 致谢 |
（7）Gabor变换参数意义及其对虹膜识别影响的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 生物识别技术概述 |
| 1.2 虹膜识别技术简介 |
| 1.2.1 虹膜的生理结构 |
| 1.2.2 虹膜识别的发展及现状 |
| 1.2.3 虹膜识别目前存在的问题 |
| 1.3 论文的研究内容及结构 |
| 1.4 本章小结 |
| 第2章 虹膜识别系统 |
| 2.1 虹膜识别系统简介 |
| 2.1.1 硬件部分 |
| 2.1.2 软件部分 |
| 2.2 虹膜图像预处理 |
| 2.3 图像特征提取及匹配 |
| 2.4 本章小结 |
| 第3章 虹膜图像预处理 |
| 3.1 虹膜图像质量评价 |
| 3.2 虹膜图像定位 |
| 3.2.1 Hough 变换定位方法 |
| 3.2.2 本文采用的定位方法 |
| 3.3 虹膜图像归一化 |
| 3.4 本章小结 |
| 第4章 Gabor 滤波器介绍 |
| 4.1 Gabor 变换与二维 Gabor 变换理论 |
| 4.1.1 Gabor 变换的提出 |
| 4.1.2 Gabor 变换的发展及变形 |
| 4.1.3 二维 Gabor 变换理论 |
| 4.2 二维 Gabor 滤波器组的参数 |
| 4.2.1 参数的意义 |
| 4.2.2 参数的选择 |
| 4.3 二维 Gabor 滤波器的特性 |
| 4.3.1 二维 Gabor 滤波器的方向选择特性 |
| 4.3.2 二维 Gabor 滤波器的频率选择特性 |
| 4.3.3 二维 Gabor 滤波器的局部选择特性 |
| 4.4 本章小结 |
| 第5章 基于二维 Gabor 变换的虹膜特征提取 |
| 5.1 Gabor 滤波器提取虹膜特征信息的原理 |
| 5.2 基于遗传算法的参数寻优 |
| 5.2.1 遗传算法简介 |
| 5.2.2 遗传算法的各个组成部分 |
| 5.2.3 遗传算法在本文中的应用 |
| 5.3 Gabor 滤波器在虹膜特征提取时的参数选择 |
| 5.3.1 方向参数的选择 |
| 5.3.2 频率参数的选择 |
| 5.3.3 局部型参数的选择 |
| 5.4 本章小结 |
| 第6章 实验结果及性能分析 |
| 6.1 实验性能评价标准 |
| 6.2 虹膜数据库描述 |
| 6.2.1 CASIA 虹膜库 |
| 6.2.2 JLU-IRIS 虹膜库 |
| 6.3 K 最近邻分类器描述 |
| 6.4 实验结果分析 |
| 6.4.1 方向参数选择的实验结果分析 |
| 6.4.2 频率参数选择的实验结果分析 |
| 6.4.3 局部参数选择的实验结果分析 |
| 6.4.4 与其它方法的对比分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（8）虹膜识别特征提取技术关键算法分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 人体生物特征识别技术 |
| 1.2 虹膜识别技术发展及应用 |
| 1.3 课题研究现状与意义 |
| 1.3.1 课题研究现状 |
| 1.3.2 课题研究意义 |
| 1.4 本文主要研究内容 |
| 2 虹膜识别原理及相关理论 |
| 2.1 虹膜识别系统原理 |
| 2.1.1 虹膜识别流程及相关技术 |
| 2.1.2 虹膜识别身份认证系统 |
| 2.2 Daugman与Wildes虹膜识别系统 |
| 2.2.1 Daugman虹膜识别系统 |
| 2.2.2 Wi ldes虹膜识别系统 |
| 2.3 虹膜识别技术难点 |
| 2.4 本章小结 |
| 3 虹膜图像特征提取关键算法研究 |
| 3.1 虹膜图像纹理分析 |
| 3.1.1 虹膜纹理结构分析 |
| 3.1.2 纹理特征描述方法 |
| 3.1.3 纹理图像Gabor变换特性 |
| 3.1.4 虹膜纹理处理分析 |
| 3.2 通用滤波器构造研究 |
| 3.2.1 瑞利分布型滤波器 |
| 3.2.2 2D Gabor滤波器 |
| 3.2.3 Log-Gabor滤波器 |
| 3.3 瑞利分布型滤波器、2D Gabor滤波器和Log-Gabor滤波器比对 |
| 3.4 非通用的滤波器构造及算法研究 |
| 3.4.1 2D Log-Gabor滤波器构造研究 |
| 3.4.2 2D Log-Gabor滤波器的特征提取算法研究 |
| 3.5 本章小结 |
| 4 虹膜特征提取改进算法研究 |
| 4.1 通用特征提取算法的滤波器组构造要求分析 |
| 4.2 通用特征提取算法存在的缺陷 |
| 4.2.1 瑞利分布型滤波器特征提取算法的缺陷 |
| 4.2.2 2D Gabor滤波器特征提取算法的缺陷 |
| 4.2.3 Log-Gabor滤波器特征提取算法的缺陷 |
| 4.3 基于二维奇对称滤波器的变换改进 |
| 4.3.1 奇对称2D Log-Gabor滤波器算法 |
| 4.3.2 特征融合改进算法 |
| 4.4 本章小结 |
| 5 虹膜识别系统设计与实现 |
| 5.1 系统设计 |
| 5.1.1 系统构架设计 |
| 5.1.2 系统模块设计 |
| 5.1.3 系统用例设计 |
| 5.2 系统实现 |
| 5.2.1 虹膜样本筛选 |
| 5.2.2 虹膜图像特征提取 |
| 5.2.3 虹膜批量匹配 |
| 5.3 本章小结 |
| 6 虹膜识别实验及分析 |
| 6.1 虹膜图像匹配 |
| 6.2 虹膜识别系统性能测试指标及实验参数设定 |
| 6.2.1 系统性能影响因素及指标定义 |
| 6.2.2 实验参数设置 |
| 6.3 实验结果分析 |
| 6.3.1 2D Log-Gabor特性分析及改进算法特征提取实验 |
| 6.3.2 虹膜的识别匹配及比对分析 |
| 6.3.3 新算法识别匹配实验 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
| 硕士期间发表论文及获奖情况 |
（10）基于实数形式Gabor变换的虹膜识别（论文提纲范文）
| 1 引言 |
| 2 虹膜图像预处理 |
| 3 虹膜纹理特征提取 |
| 3.1 2-D实数形式的Gabor变换定义 |
| 3.2 临界抽样条件下最优离散RDGT对偶窗函数的计算 |
| 3.3 虹膜纹理特征编码 |
| 4 模式匹配器设计 |
| 5 实验结果分析 |
| 6 结束语 |
四、基于离散Gabor变换的虹膜编码方法研究（论文参考文献）
- [1]基于随机森林的多特征虹膜识别算法研究[D]. 王刚. 山东大学, 2021(12)
- [2]应用于虹膜识别的模板保护方法研究[D]. 张文云. 沈阳工业大学, 2020(01)
- [3]指静脉图像特征提取算法研究[D]. 杜梦丽. 安徽大学, 2020(07)
- [4]基于脚步信号的高精度采集技术辅助身份识别方法研究[D]. 孙远. 中国矿业大学(北京), 2020(04)
- [5]图像超分辨率重构在虹膜识别中的应用与研究[D]. 张震. 哈尔滨工业大学, 2017(02)
- [6]基于掌纹的身份识别算法研究[D]. 郭婧宇. 安徽大学, 2015(12)
- [7]Gabor变换参数意义及其对虹膜识别影响的研究[D]. 邓维杰. 吉林大学, 2013(12)
- [8]虹膜识别特征提取技术关键算法分析研究[D]. 杨涛. 西安理工大学, 2009(S1)
- [9]基于第二类实数Gabor变换的虹膜识别[J]. 刘爱林,胡泽芳,李翔. 湖南科技学院学报, 2008(12)
- [10]基于实数形式Gabor变换的虹膜识别[J]. 崔蓓蓓. 计算机安全, 2008(10)