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

抽取了m个特征，则物理模式可利用一个m维随机特征向量描述，表现为m维欧式空间中的一个点。在虹膜识别中，常被选择的特征有:图像幅度特征、图像统计特征、图像变换系数特征和图像纹理特征等。为了达到特征提取的目的，多种方法都可以使用。比较经典的是Daugman提出的利用多尺度Gabor滤波器分解出虹膜纹理相位信息进行编码的算法;

Gabor滤波器

Daugman在1985年详细论述了Gabor滤波器的数学特性，指出二维Gabor滤波器提供空间频率、方向、空间位置的最大分辨率，因此在空间域和频率域中具有良好的联合定位能力。这些特性特别适合纹理分析。二维Gabor函数通过缩放、旋转和平移可以形成一组自相似的小波。利用这些小波对图像进行变换，就称为Gabor小波变换。这些函数与原始图像像素相乘和积分可产生一系列系数，从而可以提取图像纹理信息。根据以下所述的Gabor小波的特性，可以更进一步的了解二维Gabor小波，它非常适合提取图像细节纹理特征。

使用二维Gabor小波进行虹膜图像的纹理分析有以下优点：

(1)--维Gabor小波变换属于二维连续小波变换，因此具有比较好的方向选

择性；

(2)二维Gabor小波本身属于高斯小波族，因此二维Gabor小波是在时频联

合分布域中具有最好的分辨力的小波函数之一；

(3)二维Gabor小波是高斯小波的单频率复正弦函数，因此在进行特征提取完成后，可以利用计算得到的特征值的相位特性来进行编码和匹配，简化了编码的过程。

用多通道G曲or滤波进行纹理分析有其生理学等方面的基础。我们假设每一通道的数学模型为：

4.5 虹膜图像的匹配

虹膜图像匹配就是基于已提取的虹膜图像的特征向量来进行比对，用采集到的图像的特征向量与虹膜库中的特征向量比较，判断它们是否属于同一虹膜，这是一个典型的模式匹配问题。比较常用的匹配方法是海明距离(Hammingdistance)、欧式距离和相似度的度量等。