基于FPGA的混沌加密虹膜识别系统设计
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:
由于高斯函数的傅立叶变换为:
(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。
(7-17)
图10 函数及其二阶导数
式中为二值化的图像,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:
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:
其中,分别表示虹膜特征码A和B的第j位编码,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。
- 基于多级SE网络和混沌加密原理的FPGA设计与实现(06-04)
- 大热的虹膜识别系统的硬件设计与实现,系统方案、软件流程、算法设计(06-04)
- 基于TMS320DM6437的虹膜采集和识别系统设计(10-22)
- 一种基于软件关机电路的电源系统设计方案(07-04)
- 在采用FPGA设计DSP系统中仿真的重要性 (06-21)
- 基于 DSP Builder的FIR滤波器的设计与实现(06-21)