导读:本文包含了低质量虹膜图像论文开题报告文献综述及选题提纲参考文献，主要关键词:低质量虹膜图像,曲线拟合,小波融合,虹膜识别
低质量虹膜图像论文文献综述
刘小飞,李明杰[1]（2012）在《低质量虹膜图像识别方法研究》一文中研究指出对于不同传感器不同时间段获取的多幅低质量虹膜图像,采用图像融合技术对其进行处理。根据虹膜图像瞳孔缩放非刚性形变的特点,提出用曲线拟合的方法进行虹膜图像的配准,将配准后的虹膜图像利用像素级的小波融合方法进行融合,最终目的是将多幅缺失信息的低质量虹膜图像融合成一幅含有更为丰富信息的虹膜图像,并以此构建新的虹膜图像库用于虹膜识别领域。实验表明,该方法使低质量虹膜图像在识别精度上得到了进一步的提升。(本文来源于《电脑知识与技术》期刊2012年20期）
黎明奇[2]（2011）在《低质量虹膜图像识别算法的研究》一文中研究指出随着信息技术的不断发展,虹膜识别已经成为应用数学、模式识别、图像处理和信息安全等交叉学科的热门研究课题。近年来,致力于虹膜识别的研究者越来越多,但对低质量虹膜图像(如睫毛和眼睑遮盖、远距离、运动模糊、聚焦模糊、偏转、戴眼镜、光照不好等)的识别研究较少。现有的实际应用系统在采集过程中大多需要被采集者密切配合以采集得到质量较好的虹膜图像,现有大多算法也对虹膜图像的质量有一定的要求,但在实际应用中图像的质量很难保证。针对低质量虹膜图像的识别问题,本文对低质量虹膜图像深入研究,提出了一种基于多方向Gabor和Adaboost的虹膜特征提取与识别算法,主要工作如下：1.讨论了虹膜识别技术的原理和发展现状,并详细阐述了现有的几种主流虹膜特征提取与识别算法。2.针对现有算法对低质量虹膜图像识别效果不佳的问题,本文结合虹膜的整体与局部纹理信息,提出了一种新的虹膜特征提取与识别算法。首先,根据瞳孔定位准确与否,将虹膜图像的归一化分为两种情况：按内外圆边界展开归一化和按外圆边界展开归一化；其次,根据这两种归一化情况采用两种不同方案对虹膜进行分块；然后,利用多方向Gabor滤波器分别对整个虹膜和分块虹膜进行编码并产生特征向量；最后,在这两种情况下分别使用Adaboost算法训练得到识别性能较好的一些特征用于识别。此外,除了使用Adaboost分类算法,本文还利用了随机森林算法和Fisher线性判别算法进行匹配识别。以Matlab为工具在虹膜数据库CASIA-IrisV3-Lamp和噪声虹膜数据库Ubiris.v2上对本文算法进行实验,实验结果表明本文算法具有较好的稳定性和较高的准确性,并对低质量虹膜图像具有较好的识别性能,克服了现有算法不能有效地表征低质量虹膜图像的缺点。此外,本文算法的识别性能在由28个国家或地区67个大学的研究团队参加的国际虹膜识别公开赛NICE.Ⅱ中排名第2。(本文来源于《东北大学》期刊2011-06-01）
李明杰[3]（2009）在《针对低质量虹膜图像的配准方法研究》一文中研究指出随着图像配准技术的不断成熟与完善,图像配准技术已经应用于自动目标识别、医学图像处理、智能机器人、智能制造业、军事应用等领域,并取得了大量的研究成果。而虹膜作为重要的生物特征在生物认证领域有着极其广泛的应用,虹膜识别有精确的识别率,稳定性,且不易伪造或被盗,这是其他生物特征所不能比拟的。实验证明虹膜的高识别率是建立在高质量的虹膜图像上的,而低质量的虹膜(如被睫毛和眼睑遮挡、含有噪声或分辨率过低)则会严重影响虹膜识别的准确率。其中采集到的虹膜图像被睫毛和眼睑遮挡是比较常见的现象,传统的虹膜预处理方法针对这种情况往往只是取虹膜左右60度的扇形区域做为研究对象,很显然,这种方法丢弃了大量的有用信息。本文就是针对这种情况提出了将图像配准技术应用于低质量的虹膜图像中,在尽量不丢弃有用信息的情况下,最终达到提高虹膜识别率的目的。传统的图像配准方法主要是针对刚性物体的,图像配准方法主要有:基于亮度的方法和基于特征的方法,基于特征的方法又分为基于特征点,基于特征边和基于特征距的方法,本文所采用的方法是基于特征点中的Harris角点方法。虹膜图像的配准和自然场景图像配准的区别就在于虹膜图像是非刚性的,且虹膜的形变极不规律。因此传统的图像配准中寻找变换矩阵的方法在这里并不适用,针对这个问题,本文提出了用建立拟合曲线的方法代替变换矩阵,以达到虹膜图像配准的效果。(本文来源于《东北师范大学》期刊2009-05-01）
低质量虹膜图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着信息技术的不断发展,虹膜识别已经成为应用数学、模式识别、图像处理和信息安全等交叉学科的热门研究课题。近年来,致力于虹膜识别的研究者越来越多,但对低质量虹膜图像(如睫毛和眼睑遮盖、远距离、运动模糊、聚焦模糊、偏转、戴眼镜、光照不好等)的识别研究较少。现有的实际应用系统在采集过程中大多需要被采集者密切配合以采集得到质量较好的虹膜图像,现有大多算法也对虹膜图像的质量有一定的要求,但在实际应用中图像的质量很难保证。针对低质量虹膜图像的识别问题,本文对低质量虹膜图像深入研究,提出了一种基于多方向Gabor和Adaboost的虹膜特征提取与识别算法,主要工作如下：1.讨论了虹膜识别技术的原理和发展现状,并详细阐述了现有的几种主流虹膜特征提取与识别算法。2.针对现有算法对低质量虹膜图像识别效果不佳的问题,本文结合虹膜的整体与局部纹理信息,提出了一种新的虹膜特征提取与识别算法。首先,根据瞳孔定位准确与否,将虹膜图像的归一化分为两种情况：按内外圆边界展开归一化和按外圆边界展开归一化；其次,根据这两种归一化情况采用两种不同方案对虹膜进行分块；然后,利用多方向Gabor滤波器分别对整个虹膜和分块虹膜进行编码并产生特征向量；最后,在这两种情况下分别使用Adaboost算法训练得到识别性能较好的一些特征用于识别。此外,除了使用Adaboost分类算法,本文还利用了随机森林算法和Fisher线性判别算法进行匹配识别。以Matlab为工具在虹膜数据库CASIA-IrisV3-Lamp和噪声虹膜数据库Ubiris.v2上对本文算法进行实验,实验结果表明本文算法具有较好的稳定性和较高的准确性,并对低质量虹膜图像具有较好的识别性能,克服了现有算法不能有效地表征低质量虹膜图像的缺点。此外,本文算法的识别性能在由28个国家或地区67个大学的研究团队参加的国际虹膜识别公开赛NICE.Ⅱ中排名第2。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
低质量虹膜图像论文参考文献
[1].刘小飞,李明杰.低质量虹膜图像识别方法研究[J].电脑知识与技术.2012
[2].黎明奇.低质量虹膜图像识别算法的研究[D].东北大学.2011
[3].李明杰.针对低质量虹膜图像的配准方法研究[D].东北师范大学.2009