基于FPGA的混沌加密虹膜识别系统设计(二)
是一个圆对称函数,其平滑的作用可通过σ 来控制,由于对图像进行线性平滑,数学上是进行卷积,令g(x,y)为平滑后的图像,得到:
本文引用地址://m.amcfsurvey.com/article/264463.htm![](http://m.amcfsurvey.com/editerupload/201410/da53351a49a34db36c6a48db11436a04.jpg)
;
其中
![](http://m.amcfsurvey.com/editerupload/201410/c0f79e21a9acf32b2077ca4a05e810b1.jpg)
是平滑前的图像。
而沿梯度方向的二阶导数是非线性的,计算较为复杂,Marr 提出用拉普拉斯算子来替代,即用
![](http://m.amcfsurvey.com/editerupload/201410/78f3c8adffb2fe6101d4a07bc2c5da76.jpg)
(7-14)
式中
![](http://m.amcfsurvey.com/editerupload/201410/9dec97e1488716ce2af1b66baf75e9cb.jpg)
为LOG(Laplacian of Guassian )滤波器。
![](http://m.amcfsurvey.com/editerupload/201410/d93957a44013daf66ac269a56a47fa0e.jpg)
(7-15)
Marr 的
![](http://m.amcfsurvey.com/editerupload/201410/1281f79a0696fefdbf1bdf61ad599a3b.jpg)
算子能较好地反映人们地视觉特性,通过对人眼视觉机理研究表明,对感受为同心圆的视神经细胞,其输出相当于两个高斯函数之差,视觉生理学中常用DOG(Difference of two Guassian functions)来描述:
![](http://m.amcfsurvey.com/editerupload/201410/ea31a56c95f0b11167e548c177d11602.jpg)
式中的正项代表激励功能,负项代表抑制功能。
实验表明,用不同的σ 高斯滤波器检测边缘,σ 越大,检测到的边缘越少,这一点可用滤波器的频率特性说明:
由于高斯函数
![](http://m.amcfsurvey.com/editerupload/201410/ac971a698ebca52c8a8c7d06afc5c7d7.jpg)
的傅立叶变换为:
![](http://m.amcfsurvey.com/editerupload/201410/cdfa26cc76b02eb76ce906fb1ae30f8d.jpg)
(7-16)
可见高斯平滑滤波器为低通滤波器,但σ 越大,频带越窄,对较高频率的噪声有很强的噪声抑制作用。
为了可靠地检测边缘,有人同时用多个大小不同的尺度σ来进行滤波,这一点后来发展成为尺度滤波法。
7.3.3 利用边缘检测结果对图像进行二值化
对于灰度值没有变化的背景图像,其一阶二阶导数
![](http://m.amcfsurvey.com/editerupload/201410/84f251f2ea4f68163c446c54d73ddcd9.jpg)
都为零,灰度值递增,一阶导数大于零,灰度值递减,一阶导数小于零。对于图像的边缘,往往是图像灰度值激变的地方,其灰度的变化量达到峰值,即一阶导数达到极值点,相对应二阶导数为零,由数学分析中的函数理论可知,二阶导数为正的点其灰度曲线是凹的,而二阶导数为负的点其灰度曲线是凸的。对一幅灰度图像来讲,一旦灰度值发生变化,就可以从其二阶导数上反映出来,二 阶导数的正负可以反映灰度变化的形式。图10显示了一个函数及其二阶导数的图形。
设图9为图形中某一斑点的灰度截面图,则按照下式就可以使图像二值化,由背景图案中显示出此斑点。
![](http://m.amcfsurvey.com/editerupload/201410/0d6deed6cdac9c2a071f383f14745de1.jpg)
(7-17)
式中
![](http://m.amcfsurvey.com/editerupload/201410/abee2d59b2422e2124becd1f86b148e2.jpg)
为二值化的图像,
![](http://m.amcfsurvey.com/editerupload/201410/f7c22737f42829e5b4bbb48c4a5c1e57.jpg)
为由(7-14)式进行高斯拉普拉斯变换后的图像值,但是对于图像截面的斑点,二值化后的图像中却显示为一个圆环。对此,本文对式(7-17)做如下修正,以确保该点是一个斑点而不是一个圆环:若
![](http://m.amcfsurvey.com/editerupload/201410/b9145c15225fe1148a9ce642499dea51.jpg)
大于等于零,则考察与它最近的非零点,若该点大于0,则其等于零,若该点小于零,则其等于255。在对图像的扫描中,实际上是从左到右进行的,一种简化的方法就是考察该已扫描的各点,由这些点中离该点最近的非零值来决定该点的值。因此二值化的表达式是:
![](http://m.amcfsurvey.com/editerupload/201410/a092c8a51453530cfee67fd78f348604.jpg)
其中t 为图像中(x,y)前方的最近的一个非零点,这样改进以后可以减少特征点内部夹杂的斑点。
7.4 虹膜图像比对及识别理论分析
有上述陈述我们知,归一化后的虹膜图像大小为720*50,这使得前期计算量较大。提取出720*50位的二值编码后,在匹配时,用汉明距离(HD)对两个虹膜特征码进行匹配比对,公式如下:
![](http://m.amcfsurvey.com/editerupload/201410/153704f511457877b12c60d0d3b2b777.jpg)
其中,
![](http://m.amcfsurvey.com/editerupload/201410/af84ee45b8e81d9c9fbc47d15212f6f4.jpg)
分别表示虹膜特征码A和B的第j位编码,
![](http://m.amcfsurvey.com/editerupload/201410/1a1e3ebde2a0117aa40ad25abff73dd6.jpg)
表示“异或”运算,当A和B对应的码字相同时(都是1或者0),则异或值为0;A和B对应的码字不同时,则异或值为1。上式对两个长度为720*50位的虹膜码的对应每一位进行异或运算,如果两个虹膜码的每一位都相同,则HD=0;如果两个虹膜码的每一位都不同,则HD=1。因此,对于来自同一个虹膜的两幅图像来说,汉明距离比较小,对于来自不同虹膜的两幅图像来说,汉明距离比较大。
实际操作时,由于噪声影响以及前面处理过程中不可避免地会引入误差,来自于同一个虹膜的两幅图像的汉明距离不会是0,而是一个比较小的值;由于不同虹膜编码的对应位相等和不等的概率是一样的,因此,不同虹膜的两幅图像的汉明距离也不会是1,而是一个比较大的值。所以在匹配决策时,需要设定一个阈值,小于此阈值的两幅图像则认为属于同一个虹膜,反之,则认为属于不同的虹膜。
8.预期功能与目标
1)采集并识别虹膜图像,实现身份认证。
2)在无按键唤醒的状态下,系统暂停工作。
3)在工作状态下,通过在PC上的实时展示图像,进一步提高虹膜图像的获取质量。
4)在获取分辨率的虹膜图像的前提下,实现高精度的识别,将误差降到最低。
5)在TFT上精确显示比对结果,使得比对身份识别更加直观。
滤波器相关文章:滤波器原理
fpga相关文章:fpga是什么
滤波器相关文章:滤波器原理
评论