用于虹膜分类和旋转校正的角点特征预处理方法

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (06): 1678-1682.

用于虹膜分类和旋转校正的角点特征预处理方法

刘静¹,白涛²,康辉²

1.吉林大学数学学院,长春 130012;2.吉林大学计算机科学与技术学院,长春 130012

收稿日期:2009-06-30 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 康辉（1967-），女，副教授，博士.研究方向：Web服务与服务组合技术.E-mail:kanghui@jlu.edu.cn E-mail:kanghui@jlu.edu.cn
作者简介:刘静（1964-）,女,副教授.研究方向：图像处理,运筹学.E-mail：j-liu@jlu.edu.cn
基金资助:
国家自然科学基金项目(60573128)；长春市科技计划项目(2006307)；吉林省科技厅科技基础平台建设项目（20082209）

Preprocessing method for iris classification and rotation correction based on corner characteristics

LIU Jing¹,BAI Tao²,KANG Hui²

1.College of Mathematics,Jilin University,Changchun 130012,China;2.College of Computer Science and Technology,Jilin University,Changchun 130012,China

Received:2009-06-30 Online:2010-11-01 Published:2010-11-01

摘要/Abstract

摘要：

提出了基于角点特征的虹膜预处理方法。该方法利用虹膜区域中角点及邻域灰度信息，通过仿射对应并进行相似度计算判别模板和待识图像间的类属关系。解决了样本集划分和精细识别中旋转角度去除（保持旋转不变性）的问题。实验结果表明：本文方法具有很好的识别分类性能和较快的识别速度，可作为完成降低搜索规模及去旋转归一化的预处理操作。

关键词: 计算机应用, 角点, 分类, 粗匹配, 去旋转

Abstract:

An iris preprocessing method was proposed based on corner characteristics. Using the information of corner and grayscale in the corner neighborhood region, the type of relationship between the template image and identifying image is determined through the corresponding affine and similarity calculation. The method solves the problem of removing rotation (maintaining rotation invariance) in the division of the iris sample set and fine recognition. Experimental results indicate that the proposed method has good classification performance and rapid recognition speed. It can be taken as the initial preprocessing operation for reducing the search size and removing the rotation in the normalized phase.

Key words: computer application, corner, classification, rough match, remove rotation

中图分类号:

TP393

刘静, 白涛, 康辉. 用于虹膜分类和旋转校正的角点特征预处理方法[J]. 吉林大学学报(工学版), 2010, 40(06): 1678-1682.

LIU Jing, BAI Tao, KANG Hui. Preprocessing method for iris classification and rotation correction based on corner characteristics[J]. 吉林大学学报(工学版), 2010, 40(06): 1678-1682.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[8]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[10]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[11]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[13]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[14]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[15]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed