科技>计算机>信息安全
虹膜识别关键技术的研究与应用  

虹膜识别关键技术的研究与应用  "

作者:周俊,杨眉,韩国兴
ISBN:9787121433689
定价:¥89.0
字数:165千字
页数:164
出版时间:2022-05
开本:16开
版次:01-01
装帧:
出版社:电子工业出版社
简介

本书首先介绍了虹膜识别技术相关的概念和应用,重点对虹膜定位、眼睑和眼睫毛检测、虹膜特征提取等虹膜识别关键技术进行了研究,提出了相应的算法。研究了如何从虹膜特征中提取密钥,并将密钥与高级加密标准AES结合应用于图像加密。 本书适合从事图像处理、生物特征识别研究方向的研究人员阅读,也可作为相关专业研究生的参考资料。

前言

前言 虹膜识别技术是生物识别技术的一种,相对其他生物识别技术而言具有更高的安全性。虹膜识别关键技术涉及虹膜采集、虹膜定位、虹膜干扰检测、虹膜特征提取等,针对上述虹膜识别关键技术展开以下研究工作。 针对经典定位算法较慢的问题,提出一种基于圆几何特征的虹膜快速定位算法。基于行、列扫描的方法找到瞳孔的四对切点,根据四对切点对瞳孔参数粗定位,利用内、外边缘中心的耦合性,采用微积分方法对虹膜边缘精确定位。实验结果表明,该算法在定位准确率和速度上优于经典虹膜识别方法。 提出灰度形态学和梯度变换结合的不均匀光照条件下虹膜定位算法。首先,利用灰度形态学运算处理虹膜图像,对处理后的图像阈值化,提取并修复瞳孔区域;应用最小二乘法对瞳孔区域下部边界点进行内边缘粗略拟合;其次,根据外边缘点所在区域的灰度梯度确定虹膜外边缘点,利用最小二乘法进行外边缘粗略拟合;最后,利用微积分方法精确定位虹膜边缘。实验结果表明:该算法能有效消除不均匀光照下光源像点﹑光斑和睫毛的干扰,快速﹑准确地定位出虹膜的边缘,在定位准确率和速度上优于经典算法。该算法抗干扰性和健壮性强,可应用于特殊环境中采集条件较差的应用场景。 提出一种眼睑检测和睫毛检测算法。首先,对眼睑区域进行灰度形态学运算去除睫毛、光斑的影响;然后,根据眼睑边缘的灰度特点提取边缘点,用最小二乘法对边缘点进行上、下眼睑边缘拟合;最后,对眼睑边缘精确定位。根据虹膜区域的灰度自适应生成阈值对睫毛进行分割。实验结果表明:眼睑检测算法能有效、快速地检测眼睑,睫毛检测算法能有效和最大程度地检测出睫毛。 提出基于小波分析理论的虹膜特征提取算法。利用Harr小波对虹膜归一化图像进行三层二维小波分解,并提取第三层的高频小波系数作为虹膜特征,对提取的虹膜特征编码调制成375bit特征码。虹膜纹理特征较多的蕴含在高频空间中,因此提取的虹膜特征在表示特征能力上存在不足,针对此类问题提出一种基于小波包多尺度分解的虹膜识别方法,利用阈值将小波包分解后第二层对角高频子带图调制为虹膜特征码,利用海明距离对特征进行识别。实验结果表明,基于小波分析的虹膜特征提取算法在虹膜识别性能上优于经典虹膜特征提取算法,而基于小波包的虹膜特征提取算法进一步提高了虹膜识别性能,优于基于小波分析的虹膜特征提取算法以及经典虹膜特征提取算法。 提出基于虹膜特征的密钥生成算法。采用随机映射函数,从虹膜特征码中随机提取二进制位充当密钥,并利用卡方检验测试了密钥提取的随机性。利用NIST(美国国家标准及技术研究所)测试标准对密钥进行随机性测试,实验结果表明所提取的密钥满足随机性。设计了密钥的储存和释放方式,达到了双因子(虹膜+令牌)保护密钥的效果。此外,还提出了基于虹膜特征密钥和AES的图像加密算法,从图像加密效果来看,加密图像的安全性较经典Arnold置乱算法的安全性高。 本书的出版得到了以下项目和机构的支持:重庆市教育委员会科学技术研究计划“基于小波包分析的虹膜识别关键技术研究”重点项目资助(项目编号:KJZD-K202004401),重庆商务职业学院人工智能技术应用协同创新中心,重庆商务职业学院高层次人才启动项目基金。实验采用的是中国科学院CASIA虹膜数据库,在此一并致谢。

目录

目 录 1 绪论 1 1.1 虹膜识别技术概述 1 1.1.1 虹膜的生理结构 1 1.1.2 虹膜识别技术的发展现状 2 1.1.3 虹膜识别系统原理 3 1.1.4 生物特征识别技术指标 3 1.2生物特征识别技术的应用 6 1.3 虹膜识别研究的难点 10 1.3.1 虹膜的远距离采集 10 1.3.2 虹膜定位 10 1.3.3 虹膜特征提取 11 1.3.4虹膜识别质量评价体系 11 2 虹膜图像的采集和质量评价 12 2.1 虹膜图像采集 12 2.1.1 Daugman采集系统 13 2.1.2 Wildes采集系统 13 2.2 虹膜图像质量评价 15 2.2.1 虹膜图像质量评价方法 16 2.2.2 虹膜防伪性检验 17 2.3 CASIA虹膜数据库 18 2.4 本章小结 19 3 虹膜定位 20 3.1 相关工作与分析 20 3.1.1 微积分方法 20 3.1.2 Hough变换法 21 3.1.3最小二乘拟合方法 23 3.1.4 基于圆几何特征的方法 24 3.1.5 主动轮廓模型方法 25 3.1.6 粗定位与精定位结合的虹膜定位算法 26 3.2 虹膜图像平滑去噪 26 3.3 基于圆几何特征的虹膜定位算法 28 3.3.1 虹膜内边缘粗定位 28 3.3.2 虹膜内、外边缘的精确定位 32 3.4不均匀光照下的虹膜定位算法 32 3.4.1 数学形态学基础 33 3.4.2 不均匀光照对虹膜定位的影响 35 3.4.3 基于灰度形态学的虹膜内边缘粗定位算法 36 3.4.4 基于梯度变换的虹膜外边缘粗定位算法 40 3.4.5 虹膜内、外边缘精定位 42 3.4.6 实验结果与分析 43 3.5 本章小结 45 4 虹膜干扰检测与归一化 47 4.1 相关工作与分析 47 4.1.1 眼睑检测算法 47 4.1.2 睫毛检测算法 48 4.1.3 归一化方法 48 4.2 眼睑检测算法 49 4.2.1 上眼睑检测 49 4.2.2 下眼睑检测 53 4.2.3 眼睑精确定位 55 4.3 眼睫毛检测算法 56 4.4 实验结果与分析 57 4.5 虹膜归一化 59 4.5.1 Rubber-Sheet归一化模型 59 4.5.2 归一化分辨率的确定 61 4.6本章小结 61 5 虹膜特征提取与匹配 63 5.1 相关工作与分析 63 5.1.1 二维Gabor方法 63 5.1.2 高斯-拉普拉斯金字塔方法 64 5.1.3 小波变换方法 65 5.1.4 图像的二维离散小波分解 67 5.2 基于Haar小波的虹膜特征提取算法 69 5.2.1 特征提取区域划分 69 5.2.2 归一化图像的二维Haar小波分解 72 5.2.3特征提取 73 5.2.4 特征编码 74 5.2.5 编码匹配 76 5.2.6 实验结果与分析 77 5.2.7 总体分析 77 5.2.8 算法性能对比 79 5.3 基于小波包分析的虹膜特征提取算法 80 5.3.1 小波包分解 80 5.3.2基于sym2小波包分解的虹膜特征提取 81 5.3.3 实验结果与分析 83 5.4 本章小结 85 6 基于虹膜特征密钥的图像加密 87 6.1 相关工作与分析 87 6.1.1 密钥生成的方法 87 6.1.2 密钥随机性测试标准 88 6.1.3 AES加密算法及其安全性 94 6.1.4 图像的Arnold置乱加密 99 6.2 基于虹膜特征的密钥提取 100 6.2.1 密钥提取算法 100 6.2.2 密钥提取的随机性分析 101 6.3 基于虹膜特征密钥和AES的图像加密算法 102 6.4 密钥的存储和释放 103 6.5 实验结果与分析 104 6.5.1 密钥的随机性测试 104 6.5.2图像加密效果与分析 107 6.6 本章小结 109 参 考 文 献 110

作者简介

编辑推荐

作者寄语

电子资料

www.luweidong.cn

下一个