快速Gabor濾波器在虹膜識別中的應用

　　將整個空間分為4個區，對落入相應區域的相角按圖中示意進行2bit編碼(格雷碼)，2bit 格雷碼序列和其他2bit編碼方式相比，更恰當地體現了相鄰相位區域的差異和相同點。經過 上述編碼處理后，虹膜紋理特征變為一串由0、1組成的序列，兩個虹膜編碼采用如(10)式漢 明距的方法來進行特征匹配:

　　本虹膜識別系統在CPU 為P4 1.8GH 內存2G 的PC機上進行了性能對比試驗，編程語言為 VC++，采用的原始數據取自中科院自動化所(北京)提供的CASIA虹膜數據庫(V1.0)，圖像像 素大小為320*280，通過對數據庫中108*7幅圖像在改進的算法和原有的算法基礎上隨機進行 1000次比較，為了節省儲存空間和匹配時間，程序中只用一個尺度，一個方向的二維奇對稱 Gabor小波來提取虹膜紋理特征，并將每個像素點作為一個特征點,得到如下表一所示的每次 Gabor濾波的計算平均時間(注:運算時間不包括虹膜圖像的預處理、定位和歸一化，僅包括 虹膜圖像特征點的提取和比較)。

　　3 結論

　　本文采用了各向異性高斯濾波分離形式，計算出各項參數，將2-D奇對稱Gabor濾波用兩 個1-D高斯濾波遞歸實現，大大減少編碼存儲空間和計算量。與傳統的Gabor濾波器相比，降低了時間代價和編碼空間代價。因此，在虹膜識別系統中是一種十分可取的方法。此外，對 于Gabor濾波的快速實現方法參數σu 和σv 的選擇還需進一步研究。最后,感謝中科院自動 化所提供的虹膜數據庫。本文的創新點:把奇對稱Gabor濾波器用兩個一維的高斯濾波器用遞 歸方法快速實現，應用在虹膜識別特征點提取過程中，提高特征點提取效率，同時節省了存 儲空間，從而提高了整個虹膜識別系統的性能。