一种新的基于完整相位分析的虹膜分类算法

doi:10.3778/j.issn.1002-8331.2008.23.060

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (23): 201-202.DOI: 10.3778/j.issn.1002-8331.2008.23.060

• 图形、图像、模式识别 • 上一篇下一篇

一种新的基于完整相位分析的虹膜分类算法

岳学东¹,刘洋^2,3

1.郑州大学物理工程学院，郑州 450052
2.中国科学院西安光学精密机械研究所，西安 710119
3.中国科学院研究生院北京 100039

收稿日期:2007-10-18 修回日期:2008-01-16 出版日期:2008-08-11 发布日期:2008-08-11
通讯作者: 岳学东

Novel iris classification algorithm based on complete phase analysis

YUE Xue-dong¹,LIU Yang^2,3

1.College of Physical Science and Technology，Zhengzhou University，Zhengzhou 450052，China
2.Xi’an Institute of Optics and Precision Mechanics，Chinese Academy of Sciences，Xi’an 710119，China
3.Graduate School of the Chinese Academy of Sciences，Beijing 100039，China

Received:2007-10-18 Revised:2008-01-16 Online:2008-08-11 Published:2008-08-11
Contact: YUE Xue-dong

摘要/Abstract

摘要： 将预处理后的虹膜图像分成64幅子块，并分别进行特征提取，然后按顺序提取每幅子图像完整的相位信息，建立相位特征向量，最后通过对特征向量进行内积运算获得虹膜样本之间的归一化分类距离。实验结果表明，该算法思路简洁，识别效果好，为虹膜分类研究提供了一种新的参考途径。

关键词: 特征提取, 相位相关, 虹膜识别, 分类距离

Abstract: The preprocessed iris image is divided into 64 sub-blocks，and the iris features are extracted respectively.The complete phase information of the features is extracted to establish the feature vector of iris，and then the normalized classification distance of iris samples is obtained by plot operation.The experiment shows that the idea of the algorithm is concise and reasonable，and its recognition effect is better.What’s more，it also offers a new way for iris classification research.

Key words: feature extraction, phase correlation, iris recognition, classification distance

岳学东¹,刘洋^2,3. 一种新的基于完整相位分析的虹膜分类算法[J]. 计算机工程与应用, 2008, 44(23): 201-202.

YUE Xue-dong¹,LIU Yang^2,3. Novel iris classification algorithm based on complete phase analysis[J]. Computer Engineering and Applications, 2008, 44(23): 201-202.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[5]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[6]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[7]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[8]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	陈金鑫，沈文忠. 基于EL-YOLO的虹膜图像人眼定位及分类算法[J]. 计算机工程与应用, 2021, 57(17): 217-223.
[11]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[12]	周锐烨，沈文忠. PI-Unet：异质虹膜精确分割神经网络模型的研究[J]. 计算机工程与应用, 2021, 57(15): 223-229.
[13]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[14]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[15]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.

一种新的基于完整相位分析的虹膜分类算法

Novel iris classification algorithm based on complete phase analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics