摘要在当今信息化时代，如何精确鉴定个人的真实身份、保护信息安全，已成为一个急待解决的关键性问题。

传统的身份认证极易伪造和丢失，难以满足急速发展的社会需求，目前最为便捷、安全的解决方案就是生物体识别技术。

它不仅简洁快速，而且安全、可靠、准确。

同时更易于配合网络和安全、监控、管理系统整合，实现自动便捷管理。

虹膜识别是一种基于人体生理特征的生物体特征识别技术，与人体纹理、掌纹、脸相、音频、步频、血液等特征识别相比，具有唯一、高稳定、识别率高、检测方便等优点，因此虹膜识别技术己成为当前身份鉴别研究的热门领域。

本论文详细阐述了虹膜识别技术的研究背景和现状、虹膜生理结构和虹膜识别系统的构成。

较深入的研究了虹膜识别算法，实现了三个步骤，即虹膜数字图像预处理、特征码提取和模式匹配。

本论文的研究工作主要集中在对虹膜数字图像预处理的归一化和模式匹配两方面的研究。

在虹膜数字图像预处理的归一化过程中，采用一种基于Dangman橡皮片的辐射线段的归一化方式，将环型区域改变成为矩形区域。

这种方式采用若千条线段表示两个非同心圆周之间的区域，只要设定这些线段上的点数就可以起到很好的归一化成果，并且仅出一种分析模型。

更加定位搜索的效率，节约时间，简化定位的过程。

采取Hough变换算子对虹膜进行精定位。

在特征提取及编码匹配过程中，本论文首先将归一化后的2D虹膜数字图像转换为1D灰度信号，从而减小了运算量;然后运用1D Gabor小波对构造的1D 灰度信号进行分析，选取一定尺度上的小波变换结果进行量化，生成二进制的特征向量，从而提高了虹膜识别技术的效率;最后通过改进的Hamming距离移位匹配，实现了识别中的旋转不可逆性。

本论文通过使用中科院自动化研究所的虹膜数据库(CASIA-IRISV1)的虹膜数字图像进行实验。

经过一定工作量的科学实验对这一算法进行了验证。

实验结果：本论文选取的CASIA-a中心波长为20像素效果最好。

最好的模板大小为辐射分辨率22像素，角分辨率为240像素。

这些参数产生了信息量为9600比特的生物体模板。

为了修正不一致旋转，平移10个单位在CASIA-a中效果最好。

FAR与FRR分别为0.004%与0.236%，这个识别率己经足够用于实际;而传统的海明距离FAR与FRR分别为0.012%与0.475%。

关键词:虹膜识别，模式识别，Hough变换，Gabor小波，Hamming距离AbstractKeyword: Iris 1Dentify, Mode 1Dentifies, Hough transformation, Gabor small wave, Hamming is apart from目录摘要 (1)Abstract (3)第1章绪论 (5)1.1课题研究背景 (5)1.2几种典型的生物体识别技术 (5)1.3国内外研究现状分析 (7)1.4本论文完成的主要工作 (9)第2章虹膜识别原理 (10)2.1虹膜特征 (10)2.2虹膜识别技术流程 (12)2.3几种典型的虹膜识别方式 (13)2.3.1 微积分算子法 (13)2.3.2 Wildes虹膜识别法 (14)2.3.3 Boles虹膜识别法 (14)2.3.4 中科院自动化所的最小二乘拟合法 (14)2.4技术难点 (14)2.5本章小结 (15)第3章虹膜数字图像预处理 (16)3.1虹膜边缘定位 (16)3.1.1虹膜内边缘粗定位 (16)3.1.2虹膜外边缘粗定位....................... 错误!未定义书签。

3.2睫毛与噪音检测 (20)3.3虹膜数字图像归一化及增强 (23)3.4实现结果 (26)3.5本章小结 (27)第4章虹膜特征码 (28)4.1小波函数..................................... 错误!未定义书签。

4.1.1小波概念............................... 错误!未定义书签。

4.1.2小波的性质............................. 错误!未定义书签。

4.1.3常用小波............................... 错误!未定义书签。

4.2基于2D Gabor滤波器的编码方式................ 错误!未定义书签。

4.2.1 2D Gabor小波特性...................... 错误!未定义书签。

4.2.2 2D Gabor小波的特征提取................ 错误!未定义书签。

4.3局部过零检测提取算法 (33)4.4 1D Log-Gabor滤波器虹膜特征提取 (34)4.5本章小结 (36)第5章模式匹配 (37)5.1模式匹配概论 (37)5.2加权欧式距离 (38)5.3改进的Hamming距离 (39)5.4实验效果 (43)5.4.1虹膜模式唯一性 (43)5.4.2个体识别 (45)5.4.3结论 (51)5.5本章小结 (53)第6章总结与展望 (54)6.1研究工作与成果 (55)6.2展望 (55)参考文献 (57)致谢 (59)第1章绪论1.1课题研究背景进入二十一世纪以来，随着科学技术不断进步发展，电子信息日益影响这人们的日常工作生活，并起到越来越重要的作用。

网络、安全、金融、电子商务、机场、地铁等，都需要可靠而准确的身份鉴定。

传统的身份鉴别方式主要基于身份表示物品和身份标示知识。

身份标识物品如证件、钥匙、银行卡等。

身份标识知识如使用者名、密码等。

随着科技进步这些方式的缺陷越来越突出，身份识别物可能丢失，也可能被伪造，使用者名、密码可能被忘记，也可能被破解泄露。

一旦他人获取这些身份标识物品和知识，系统无法区别真正的用有者和仿冒者。

后来又发展同时带有身份识别知识的身份识别物品，如数字证书和智能卡等，当其效果仍然满足不了人们对信息安全的需求。

为克服传统身份鉴别方式，人们提出基于人体生物体特征的新身份识别技术。

所谓生物体识别技术就是，通过电子信息与光学、声学、生物学等学科密切结合，利用人体固有的生理特性，（如人体纹理、脸型、虹膜等）和行为特征（如笔迹、音频、步态等）来进行个人身份的鉴定。

它具不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点。

1.2几种典型的生物体识别技术[1][2][3]随着科技的进步，我们已经实现了多种生物体识别技术，如人体纹理识别、虹膜识别、人脸识别、签名识别、语音识别等，其中部分技术性高的识别手段目前还存在于实验室中。

我们有理由相信科技的进步，将会有越来越多的生物体识别技术应用到实际环境中。

人体纹理识别在目前实际应用的多种识别技术中，最为广泛的人体纹理识别。

它是基于对比我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路所形成各种各样的图案识别的。

由于这些纹路的存在增加了皮肤表面的物理摩擦力，使得人们可以用手来抓起重物。

同时包括指纹在内的这些皮肤的纹理在图案、断点和交叉点上都不尽相同，也就是说，这些纹理是仅有的。

也就是这种唯一性的存在，使得我们可以通过把使用者个人同他的指纹建立起来的对应，将使用者的指纹和预先保存的指纹进行对比，验证使用者的真实身份。

这种依靠人体的独有纹理特征来进行身份验证的技术称为人体纹理识别技术，指纹识别是生物识别技术当前应用最广泛的一种。

它比较适用于室内安全系统，首先它可以有充分的条件为使用者经行讲解和培训，能较好的适应系统运行环境。

相对其他识别系统，指纹识别具有体积小、价格底的优点，键盘、鼠标、打卡机等设备可以轻易的将其集成在内，因此目前指纹识别广泛使用的在计算机系统安全访问系统和考勤系统等小型设备中。

●语音识别语音识别就是通过把使用者的语言和语声转换成可进行处理的信息的识别技术。

广泛应用在语音邮件、语声开锁、文字输入等方面。

由于音频传感设备和人的语言发音可变性很大，使用的步骤比较复杂，在需要安静的场合下不合适使用，使得这种识别系统应用起来不太方便。

●签名识别签名识别在应用中具有其他生物体识别所没有的优势，人们已经习惯将签名作为一种在交易中确认身份的方式，它的进一步的发展也不会让人们觉得有太大不同。

实践证明，签名识别是相当准确的，因此签名很容易成为一种可以被接受的识别符。

但与其他生物体识别产品相比，这类产品目前数量很少。

●人脸识别目前人脸识别技术是比较热门的计算机技术研究领域，它是对我们人体本身的生物特征来鉴别区分人的。

它特指通过对比分析使用者脸部视觉特征信息进行鉴别使用者身份的识别技术。

由于近年通信技术的发展使得视频通讯变得简单方便，因此有人夸大了这种识别的相关功效。

实际应用当中一般要求使用人多次采集图像，这是由于它易受到光线变化变化、采集或比对时脸部位置的影响。

当前最有效的是基于主动近红外图像的多光源人脸识别技术。

它能有效克服光线变化对采集人脸图像时的影响，取得了相当不错的识别能力，系统整体性能具有很高的稳定性、精确性、识别速度。

●基因识别基因识别是当前生物信息学的一个重要分支，利用生物学实验或计算机等识别人体细胞DNA序列上的生物学特征进行比对识别。

识别的主要对象是蛋白质编码基因，当然也包括RNA基因和调控因子等具有一定生物学功能的因子。

目前人类对于基因组研究就是建立在基因识别上的。

●虹膜识别虹膜识别是一种与人的眼睛有关的生物识别。

它使用普通的摄像元件，不需要使用人与机器发生密切接触。

据有关科研人员的考证和相关标本证明，人眼睛的虹膜是人还在胚胎时就形成的。

其虹膜个体由于胚胎发育和母亲子宫环境的影响，形成了虹膜个体独有特征，在人体的成长发育中，它会保持罕有的稳定性。

由于虹膜的生理结构独特，同时还有这高度得仿伪性和不可更改的特点，使得虹膜识别比其它的生物体识别技术具有更好的防伪造能力。

到目前为止，虹膜识别相对其它各种生物体特征识别技术的识别正确率很高。

因为虹膜识别算法相对简单、有效，使得相关研究越来越多的吸引广泛学者与企业的高度关注。

1.3国内外研究现状分析国外研究现状人体虹膜最早用于身份识别的尝试是由法国人Alphonse Bertillon首先做到的，他在1885年对法国巴黎刑事监狱中通过虹膜对的犯人进行身份确认，当时他主要通过人眼对人的虹膜颜色和形状的进行观察。

其后一直到了上世纪八九十年代，人体虹膜识别技术才取得了快速发展。

期间在1987年，眼科专家Lenonard Flom和Aran Safir医生首次提出利用虹膜数字图像进行自动虹膜识别的概念[4]，但令人遗憾的是他们并没有开发出能用于实际的虹膜识别系统，仅在理论上对人体虹膜识别技术做出了研究。

在1991年，一名叫Johnson的学者在美国洛斯阿拉莫斯国家实验室首次实现了一个真正可以自动识别人体虹膜的系统，这是有文献记载以来的虹膜识别技术在应用系统上的首次使用[5]。