虹膜識別關鍵技術的研究與應用（簡體書）

本書首先介紹了虹膜識別技術相關的概念和應用，重點對虹膜定位、眼瞼和眼睫毛檢測、虹膜特徵提取等虹膜識別關鍵技術進行了研究，提出了相應的算法。研究了如何從虹膜特徵中提取密鑰，並將密鑰與高級加密標準AES結合應用於圖像加密。 本書適合從事圖像處理、生物特徵識別研究方向的研究人員閱讀，也可作為相關專業研究生的參考資料。

周俊，博士，博士後，高級工程師，現為重慶市商務職業學院物聯網專業帶頭人。主要研究方向為：圖像處理、生物識別和人工智能。主持省部級項目1項，主研省部級項目2項，參研國家自然科學基金項目2項，參與省部級項目多項。發表學術論文20余篇，EI檢索收錄3篇，中文核心期刊論文4篇。

目 錄
1 緒論 1
1.1 虹膜識別技術概述 1
1.1.1 虹膜的生理結構 1
1.1.2 虹膜識別技術的發展現狀 2
1.1.3 虹膜識別系統原理 3
1.1.4 生物特徵識別技術指標 3
1.2生物特徵識別技術的應用 6
1.3 虹膜識別研究的難點 10
1.3.1 虹膜的遠距離采集 10
1.3.2 虹膜定位 10
1.3.3 虹膜特徵提取 11
1.3.4虹膜識別質量評價體系 11
2 虹膜圖像的采集和質量評價 12
2.1 虹膜圖像采集 12
2.1.1 Daugman采集系統 13
2.1.2 Wildes采集系統 13
2.2 虹膜圖像質量評價 15
2.2.1 虹膜圖像質量評價方法 16
2.2.2 虹膜防偽性檢驗 17
2.3 CASIA虹膜數據庫 18
2.4 本章小結 19
3 虹膜定位 20
3.1 相關工作與分析 20
3.1.1 微積分方法 20
3.1.2 Hough變換法 21
3.1.3小二乘擬合方法 23
3.1.4 基於圓幾何特徵的方法 24
3.1.5 主動輪廓模型方法 25
3.1.6 粗定位與精定位結合的虹膜定位算法 26
3.2 虹膜圖像平滑去噪 26
3.3 基於圓幾何特徵的虹膜定位算法 28
3.3.1 虹膜內邊緣粗定位 28
3.3.2 虹膜內、外邊緣的精確定位 32
3.4不均勻光照下的虹膜定位算法 32
3.4.1 數學形態學基礎 33
3.4.2 不均勻光照對虹膜定位的影響 35
3.4.3 基於灰度形態學的虹膜內邊緣粗定位算法 36
3.4.4 基於梯度變換的虹膜外邊緣粗定位算法 40
3.4.5 虹膜內、外邊緣精定位 42
3.4.6 實驗結果與分析 43
3.5 本章小結 45
4 虹膜干擾檢測與歸一化 47
4.1 相關工作與分析 47
4.1.1 眼瞼檢測算法 47
4.1.2 睫毛檢測算法 48
4.1.3 歸一化方法 48
4.2 眼瞼檢測算法 49
4.2.1 上眼瞼檢測 49
4.2.2 下眼瞼檢測 53
4.2.3 眼瞼精確定位 55
4.3 眼睫毛檢測算法 56
4.4 實驗結果與分析 57
4.5 虹膜歸一化 59
4.5.1 Rubber-Sheet歸一化模型 59
4.5.2 歸一化分辨率的確定 61
4.6本章小結 61
5 虹膜特徵提取與匹配 63
5.1 相關工作與分析 63
5.1.1 二維Gabor方法 63
5.1.2 高斯-拉普拉斯金字塔方法 64
5.1.3 小波變換方法 65
5.1.4 圖像的二維離散小波分解 67
5.2 基於Haar小波的虹膜特徵提取算法 69
5.2.1 特徵提取區域劃分 69
5.2.2 歸一化圖像的二維Haar小波分解 72
5.2.3特徵提取 73
5.2.4 特徵編碼 74
5.2.5 編碼匹配 76
5.2.6 實驗結果與分析 77
5.2.7 總體分析 77
5.2.8 算法性能對比 79
5.3 基於小波包分析的虹膜特徵提取算法 80
5.3.1 小波包分解 80
5.3.2基於sym2小波包分解的虹膜特徵提取 81
5.3.3 實驗結果與分析 83
5.4 本章小結 85
6 基於虹膜特徵密鑰的圖像加密 87
6.1 相關工作與分析 87
6.1.1 密鑰生成的方法 87
6.1.2 密鑰隨機性測試標準 88
6.1.3 AES加密算法及其安全性 94
6.1.4 圖像的Arnold置亂加密 99
6.2 基於虹膜特徵的密鑰提取 100
6.2.1 密鑰提取算法 100
6.2.2 密鑰提取的隨機性分析 101
6.3 基於虹膜特徵密鑰和AES的圖像加密算法 102
6.4 密鑰的存儲和釋放 103
6.5 實驗結果與分析 104
6.5.1 密鑰的隨機性測試 104
6.5.2圖像加密效果與分析 107
6.6 本章小結 109
參 考 文 獻 110