摘要:随着科学技术的飞速发展,在互联网+的大背景之下,信息安全问题日益突出,传统的身份鉴别技术如口令、密码等渐渐无法适应时代需求,而生物识别技术则逐步走入大众眼球，并为越来越多的人所熟知。其中虹膜因其唯一性、稳定性、非接触性、活体检测等优点成为当下生物识别研究中的一个热点。

本文详细阐释了虹膜识别算法的整个流程,完成了从图像预处理,虹膜定位提取,图像识别匹配等步骤。本文的研究工作主要集中在虹膜图像的识别匹配过程,区别于传统的Daugman算法,使用2D-Gabor小波特征提取,利用Hamming(汉明)距离进行匹配识别,本文提出了一种基于CNN卷积神经网络模型的高效匹配算法。

本文采用中科院自动化研究所的虹膜数据库(CASIA),选取两组测试集分别验证算法准确性。其中在10人×40张/每人=400张样本中,FRR为0%,Loss为9.8e-3,在50人×40张/每人=2000张样本中,FRR为0.67%,Loss为0.02。测试数据表明,相比于传统Daugman、Wildes等识别算法,该算法在正确率和鲁棒性上有了较大提升,具备了实际应用的价值

关键词：虹膜识别 神经网络 Daugman算法

目录

摘要

Abstract

第1章 绪论-3

1.1课题研究背景及意义-3

1.2 国内外研究现状-4

1.3本文主要研究工作-4

第2章 虹膜识别技术原理-6

2.1虹膜识别技术流程-6

2.2 几种经典的虹膜识别方法-7

2.3 虹膜识别技术难点-8

2.4 本章小结-9

第3章 虹膜图像预处理-10

3.1图像增强-10

3.2 图像边缘检测-11

3.3 虹膜内外圆定位-14

3.4本章小结-16

第4章 虹膜图像识别-17

4.1卷积神经网络模型-17

4.2模型实验测试-22

4.3 本章小结-24

第5章 总结与展望-25

引用文献-26

致谢-27

附录-28