模式识别之虹膜特征提取及融合综述课件.pptVIP

LOGO第四章虹膜特征提取及融合1

Contents1基于Gabor小波变换的虹膜识别算法2基于小波过零点的虹膜识别算法3基于多特征分类决策融合的虹膜识别算法4实验结果与分析2

基于Gabor小波变换的虹膜识别算法1234基于方差倒数加欧几里德距离的分器二Gabor函数数学表示及其特性Gabor小波波器的虹膜特征提取3

基于Gabor小波变换的虹膜识别算法1.二Gabor函数数学表示及其特性通用的二Gabor函数一般形式其中，g(x,y)是二Gaussian低通波器，其函数形式如下：(x,y)是空局部位置参数，是Guassian函数的空域尺00度参数，由函数定可知二Gabor函数是被正弦函数制的高斯函数。4

基于Gabor小波变换的虹膜识别算法二Gabor函数G(x,y)的复数形式：其中，参数f,θ表示空率的中心率和角度，f=(u2+v)1/2，θ=arctan(v/u)。25

基于Gabor小波变换的虹膜识别算法从外形上看，Gabor小波被封装在一个Gaussion分布的形状中，而且它的分零。如果要将Gabor小波在三中示出来，是下面个子，部(偶函数)，右是虚部(奇函数)。虚部6

基于Gabor小波变换的虹膜识别算法2.Gabor小波波器的设计Gabor滤波器主要考虑几个因素：小波基函数，滤波器尺度，方向。Gabor函数构成了一个完备的非正交的基。以G(x,y)函数作为母小波，把基小波伸缩、平移的参数和方向离散化后，得到了下面的离散小波族：其中，θ=nπ/K，n={0,···,K-1}，n小波的方向，K方向数，a-m尺度因子。7

基于Gabor小波变换的虹膜识别算法把尺度m=0的波器的中心率，即所有波器的最低下限定U。m=S?1的中心率，即所有波器中的中心率的最高L上限定U。K方向数，S尺度数。H其中，a指数因子，m=0,1,,S?1。通改m和n的，算在不同尺度和方向的σ和σ，即u可确定波器的再结合小波族方程，从而可以确定整个滤波器。v8

基于Gabor小波变换的虹膜识别算法3.虹膜特征提取由于我用Gabor函数小波的目的是提取像的理特征，而不是用于像的完全表示和重构，所以只需要几个尺度和方向就可以很好的描述虹膜的理特征。本文中我取参数K=4，S=6，U=0.4，U=0.05。成了24个Gabor波器。HL入一幅虹膜像I(x,y)，其Gabor小波9

基于Gabor小波变换的虹膜识别算法每个波器都具有各自不同的率和方向特性，因此可以得我需要不同的理特征。提取均和方差作代表波器的特征。特征向量由μ和σ构成，所以共得到48个虹膜特征，每幅虹膜像mnmn提取的特征向量:f=[μσ,μ,···,μ,σ]000001474710

基于Gabor小波变换的虹膜识别算法4.基于方差倒数加欧几里德距离的分器，我使用方差倒数加欧几里德距离(WED)分器来行。将未知虹膜的特征向量同已好的已知的虹膜特征向量行比，算两者的方差倒数加欧几里德距离，据此行分。方差倒数加欧几里德距离定如下所示:其中，f表示未知本的第i特征f(k)、δi(k)i分表示第i虹膜的i第i特征的均和方差N表示特征数。11

基于小波过零点的虹膜识别算法虹膜纹理的小波过零点表示小波过零点方法简介模式匹配12

基于小波过零点的虹膜识别算法1.小波过零点方法简介小波分析是当前数学分析和信号理域中广泛采用的一种新方法。它是一种窗口大小(即窗口面)固定但其形状、窗和率窗都可改的局部分析方法。在低部分具有高的率分辨率和低的分辨率,在高部分具有高的分辨率和低的率分辨率，被数学。在大尺度下，可以将信号的低(全局)信息表出来，在小尺度下，可以将信号的高特征(局部信息)反映出来。13

基于小波过零点的虹膜识别算法小波可以把一个信号分解不同分辨率的分量，一要是由信号与小波构造的波器行卷得到。母小波函数如下所示，它具有有限能量。ψ(x)=1/s?ψ(x/s)中的s表示ψ(x)的尺度，那么函数f(x)在尺度s和s位置u的小波由如下的卷出：从小波的定可以看出，当尺度s小的ψ(x)的支撑集s也相小，因此小波特征感。尺度s表示小波取的信号的大小和律性。14

基于小波过零点的虹膜识别算法在信号行表示和描述中，通常信号的奇异点(如零点、极点等)更能刻画信号的，并在信号行区分中起着重要作用。因此，可以利用信号在多尺度上的合表来描述信号，特是它的突点或瞬特征。如果能通小波提取出些奇异点，就能更好信