CASIA OpenIR  > 毕业生  > 博士学位论文
融合眼周和虹膜信息的身份识别
其他题名Fusing Periocular and Iris Biometrics for Personal Identification
张小博
学位类型工学博士
导师谭铁牛
2012-06-08
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业计算机应用技术
关键词眼周识别 虹膜识别 多模态生物特征识别 信息融合 身份识别 Periocular Biometrics Iris Biometrics Information Fusion Multibiometrics Identity Recognition
摘要现有单一模态的生物特征识别系统由于模态自身的缺陷,不能同时保证高精确性和高易用性,这严重阻碍了生物特征识别技术的广泛应用。人的眼部区域采集方便,具有丰富的生物特征,不仅包含虹膜信息,而且还包含眼周信息。这二者的融合既能保证系统的识别精度,也能提高系统的易用性。本文从实际需求出发,以人的眼部图像为研究对象,力图建立一个既能保证系统的识别性能,又不需要用户高度配合的多模态生物特征识别系统。具体地讲,本文的主要工作和贡献如下: 1. 在眼部图像预处理的一般框架下,针对实际中遇到的亟待解决的问题,如噪声虹膜边界拟合、形变虹膜分割、斜视虹膜纹理矫正,基于虹膜的几何特性,提出一系列有效的解决方案。具体包括:1) 提出融合自底向上和自顶向下两种模型的虹膜边界拟合算法。对于给定的自底向上和自顶向下两个分割结果,通过定义梯度能量和几何能量,采用定比决策融合策略确定最佳虹膜边界;2) 提出基于距离图的自适应水平集分割算法。根据虹膜区域纹理的分布,采用各向同性的sigmoid函数生成距离图,并结合梯度图生成具有语义信息的虹膜边界梯度图。在此基础上,根据虹膜边界的几何特性,不断更新水平集分割的参数和迭代停止条件,实现稳定快速的收敛;3) 提出基于几何变换的斜视虹膜纹理矫正模型。在水平集分割的基础上进行椭圆拟合,通过旋转与拉伸变换进行纹理矫正。以上这些方法提高了眼部图像预处理的鲁棒性和精确性。 2. 基于对局部描述子表达的图建模和分析,提出基于结构化稀疏学习和AdaBoost学习的层次化特征选择方法。根据局部描述子的区域特性,采用结构化稀疏学习方法进行局部特征选择;之后,在全局上采用AdaBoost学习选择最具有区分性的局部描述子。该方法在保证精度的同时大大降低了训练时间,并成功应用于基于Gabor特征表达的双目眼周区域识别。 3. 从多生物特征信息融合模型出发,深入分析传统的特征层融合和分数层融合,提出一种基于二者的混合融合模型和多生物特征信息融合的一般框架,包括三个模块:特征空间划分、特征子空间选择和子空间分数层融合。同时,针对异质特征的融合问题,提出一种基于度量的空间转换方法,将原始的异质特征转换到同质的度量空间。该框架既考虑特征之间的互补性,又考虑特征和分类器之间的一致性,在保证充分利用特征层信息的同时,又能够应用于各种场景,打破了保真度和适用性不能兼得的壁垒。 4. 基于眼周区域和虹膜区域的结构化特性,提出基于互补局域特征选择的混合融合方法。对眼周区域采用多通道Gabor局域表达,虹膜区域采用多通道定序测量局域表达,分别通过Cosine距离和汉明距离转换到度量空间,采用AdaBoost学习得到互补的眼周和虹膜子区域,进行分数层融合,提高了眼周和虹膜融合识别的精度。 5. 基于眼部图像易采集的特性,实现基于眼周和虹膜信息层次结构融合的远距离身份检索和识别系统。在远距离无近红外光的情况下,采用典型相关分析建立低分辨率的待识别可见光眼周区域和注册的高分辨率近红外眼周区域之间的关系,进行基于异质眼周识别的身份检索。在检索结果的基础上,融合近红外眼周和...
其他摘要Due to the intrinsic drawbacks of our human biometric traits, traditional single modal biometric systems cannot achieve both high accuracy and high usability, which prevents the widespread applications of biometric recognition. Human eye region not only can be captured easily, but also contains rich biometric traits, especially, iris texture and periocular pattern. The fusion of them is promising due to the high uniqueness of iris texture and the high usability of periocular pattern. This thesis covers the key problems in the fusion of periocular and iris biometrics, and the objective is to establish a high-performance and user-friendly multibiometric system. In particular, the main contributions are summarized as follows: 1. In the general framework of eye image preprocessing, based on the geometry characteristics of iris region: 1) A robust noisy iris boundary localization method is proposed by combining the top-down and bottom-up segmentation. In detail, two types of energy are designed to evaluate the localization results derived from these two strategies, and a ratio based decision level fusion scheme is proposed to obtain the better result; 2) An adaptive level set based deformable iris segmentation method is proposed. At first, a distance map is generated via an isotropy sigmoid function by considering the spatial relationship of iris center and other pixels. After this, a Semantic Iris Contour Map is generated by combining the distance map and the gradient map as the edge indicator for level set based segmentation. At last, a convergence criterion and a means of updating the parameters are designed carefully for robust and accurate curve evolution; 3) An ellipse fitting and geometry transform based method is proposed for off-angle iris texture correction. In detail, iris inner boundary is fitted as an ellipse based on the localization result of iris segmentation, and rotation transform and scale transform are performed to correct the deformable iris texture based on the parameters derived from the ellipse. All these methods improve the robustness and accuracy of eye image preprocessing. 2. Based on the analysis of local descriptor based representation and its graph modeling, this thesis proposes a hierarchical feature selection method with two layers. In detail, structured sparsity learning is adopted to reduce the redundancy of descriptors in local regions in the first layer. After that, AdaBoost learning is performed to select the most discri...
馆藏号XWLW1799
其他标识符200918014629099
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6479
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
张小博. 融合眼周和虹膜信息的身份识别[D]. 中国科学院自动化研究所. 中国科学院研究生院,2012.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20091801462909(10857KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[张小博]的文章
百度学术
百度学术中相似的文章
[张小博]的文章
必应学术
必应学术中相似的文章
[张小博]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。