[发明专利]基于多方向Gabor和Adaboost虹膜识别方法

权利要求书

1.一种基于多方向Gabor和Adaboost虹膜识别方法，其特征在于，其包括如下步骤：

1）对归一化的虹膜图像分块并提取二维Gabor特征，并计算对应块之间的Hamming距离；以及

2）使用Adaboost算法对步骤1）中得到的分块距离进行分类识别。

2.根据权利要求1所述的基于多方向Gabor和Adaboost虹膜识别方法，其特征在于，步骤1）具体包括以下步骤：

1.1）将展开的虹膜图像均匀划分为M行、N列，得到M×N个虹膜图像子模块；

1.2）使用同一尺度八个方向的Gabor滤波器作用于步骤1.1）中的虹膜图像子模块，然后根据Gabor实部对图像滤波结果的正负进行编码，其中，

Gabor滤波器的表达式如下：

，，，是Gabor滤波器的方向，，，U和V分别为Gabor滤波器的水平和垂直中心频率，和分别是高斯包络沿着轴和轴的空间常数，其代表Gabor滤波器的尺度；

特征编码的表达式如下：

；

其中I是虹膜图像，G是Gabor滤波器，表示滤波结果的实虚部符号，为特征编码；

1.3）按照公式：

，计算需匹配的两个虹膜图像对应的M×N个虹膜图像子模块各自的Hamming距离，对于每个虹膜图像子模块，可以得到八个Hamming距离，将八个Hamming距离构成的特征向量记为V_whole，；

其中code A和code B分别表示两个虹膜图像的Gabor特征编码；mask A和mask B分别表示两个虹膜图像的噪声模板，其值为“1”时代表有效虹膜部分，为“0”时代表噪声；

1.4）令L=M×N，按照步骤1.3）中Hamming距离计算公式得到8×L个Hamming距离V_part，记为： 

；

1.5）将整个虹膜图像的Hamming距离V_part与虹膜图像子模块的Hamming距离V_whole合并，组成一个维数是8+8×M×N的特征向量V，V=[V_whole, V_part]，即：

。

3.根据权利要求2所述的基于多方向Gabor和Adaboost虹膜识别方法，其特征在于，步骤2）具体包括以下步骤：

2.1）设置一个样本训练集， ，，i=1，2，…，N，M是向量的维数，其中：是整个虹膜图像形成的特征向量与分块之后的特征向量结合而成的多维特征向量，当两张虹膜图像子模块来自同一人眼时，，否则；

2.2）通过公式：，对样本训练集进行权重出始化，然后对有权重分布的样本训练集进行训练学习，得到一个弱分类器；

；t=1，2，…，T，T为迭代次数；

2.3）选择步骤1）中的一个特征，然后通过公式：，m=1，2，…，M，计算出弱分类器在样本训练集中的分类错误率，记，当时，令T=t-1，并跳出循环；

2.4）通过公式：，计算出弱分类器的权重；

2.5）通过公式：，更新样本训练集权重，并且对样本训练集进行归一化；

2.6）根据公式：，获得最终的分类器，该分类器的特征即为虹膜图像中特征向量V的特征，识别完成。