1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春130033
2 中国科学院大学, 北京 100039
3 中国航空工业集团公司 洛阳电光设备研究所, 河南 洛阳 471023
4 苏州生物医学工程技术研究所, 江苏 苏州 215163
由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点, 提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先, 根据虹膜纹理的分布特性, 用CS-LBP对归一化的虹膜图像进行编码; 为了进一步降低特征维数, 对编码后的图像进行特征统计。然后, 根据统计结果的分布, 提取出有效的二值特征图像。最后, 用Hamming距离进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别, 最高正确识别率分别为99.955%、99.848%、99.989%、99.916%。实验结果表明: 该方法有效地利用了虹膜纹理分布特性, 与LBP和CS-LBP方法相比, 具有更少的特征维数、更高的正确识别率和更好的鲁棒性。
虹膜识别 中心对称局部二值模式(CS-LBP) 统计特征中心对称局部二值模式(SCCS-LBP) Hamming距离 iris recognition Center-symmetric Local Binary Pattern( CS-LBP) Statistical Characteristios Center-Symmetric Local Hamming distance