基于单方向特征提取的虹膜识别算法研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 229-231.

基于单方向特征提取的虹膜识别算法研究

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:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 岳学东

Research of iris recognition algorithm based on feature extraction on single direction

YUE Xue-dong¹,LIU Yang^2,3

1.Physical Science and Technology College，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:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: YUE Xue-dong

摘要/Abstract

摘要： 虹膜纹理的方向特征在虹膜识别中具有重要地位。利用2D Gabor小波的方向选择性，对虹膜纹理的方向分布特性进行了分析，由分析结果发现：可供识别的虹膜纹理特征主要沿虹膜圆周方向分布，在此基础上提出单方向特征提取虹膜识别算法。实验表明，与多方向特征提取相比，只沿圆周方向对虹膜进行特征提取不仅编码短，而且识别效果更好。

关键词: 虹膜纹理, 特征提取, Gabor变换, 方向分布

Abstract: Directions of iris texture play an important role in iris recognition.2-D Gabor transform is applied to analysis directions of iris texture.The results of the experiments show that the iris features for recognition distribute mainly along the circumferential direction and better recognition results can be obtained by extracting iris features only along circumferential direction than that along all directions.

Key words: iris texture, feature extraction, Gabor transform, direction distribution

岳学东¹,刘洋^2,3. 基于单方向特征提取的虹膜识别算法研究[J]. 计算机工程与应用, 2008, 44(1): 229-231.

YUE Xue-dong¹,LIU Yang^2,3. Research of iris recognition algorithm based on feature extraction on single direction[J]. Computer Engineering and Applications, 2008, 44(1): 229-231.

[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]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[15]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.