基于提升整数小波变换的虹膜识别

doi:10.3778/j.issn.1002-8331.2010.16.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (16): 207-209.DOI: 10.3778/j.issn.1002-8331.2010.16.060

• 图形、图像、模式识别 • 上一篇下一篇

基于提升整数小波变换的虹膜识别

吴会军，周治平，孙子文

江南大学通信与控制工程学院，江苏无锡 214122

收稿日期:2008-11-21 修回日期:2009-02-09 出版日期:2010-06-01 发布日期:2010-06-01
通讯作者: 吴会军

Iris recognition algorithm based on lifting integer wavelet transform

WU Hui-jun，ZHOU Zhi-ping，SUN Zi-wen

School of Communication and Control Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2008-11-21 Revised:2009-02-09 Online:2010-06-01 Published:2010-06-01
Contact: WU Hui-jun

摘要/Abstract

摘要： 提出了一种基于小波提升方案的虹膜识别算法。与传统基于卷积的小波变换方法相比，该方法在特征提取上计算简单，运算速度快，而且实现的是从整数到整数的变换，更有利于虹膜信息的量化。先对虹膜图像进行提升整数小波变换，然后对子图进行量化编码得到特征，采用屏蔽了噪声位的汉明距来进行模式识别。实验结果表明，基于提升整数小波变换的虹膜识别方法在识别率和等错率方面都能达到好的识别效果，在特征提取速度上也得到了较大提升，更能满足实时性的要求。

关键词: 虹膜识别, 小波变换, 提升整数小波

Abstract: An iris recognition algorithm based on lifting integer wavelet is presented.Compared with the traditional wavelet transform which is based on convolution，the operation speed is improved and the transform from integer to integer can be realized，which is beneficial to quantify the iris information.The lifting integer wavelet transform is used to decompose the iris image and the features are extracted after the sub-image coefficients were quantified and encoded.The Hamming distance which shields noise is employed to carry on iris recognition.The experiment results show that the algorithm based on integer wavelet transform is superior on recognition rate and equal error rate，especially on the feature extraction speed.

Key words: iris recognition, wavelet transform, lifting integer wavelet

中图分类号:

TP391.4

吴会军，周治平，孙子文. 基于提升整数小波变换的虹膜识别[J]. 计算机工程与应用, 2010, 46(16): 207-209.

WU Hui-jun，ZHOU Zhi-ping，SUN Zi-wen.

Iris recognition algorithm based on lifting integer wavelet transform

[J]. Computer Engineering and Applications, 2010, 46(16): 207-209.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	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.
[3]	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.
[4]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[5]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[6]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[7]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[8]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[9]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[10]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[11]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[12]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[13]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[14]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[15]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.

基于提升整数小波变换的虹膜识别

Iris recognition algorithm based on lifting integer wavelet transform

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