劣化虹膜图像复原与识别技术研究

目前的虹膜识别系统需要用户高度配合，且只能针对正面拍摄的清晰虹膜图像进行，不能识别非限制环境下由各种噪声及干扰引起的劣化虹膜图像，这一现状成为制约虹膜识别技术推广应用的主要瓶颈。本项目从提高虹膜识别系统实用性及鲁棒性出发，结合光学成像机理，采用机器学习的理论与方法，研究非限制环境下所获取的劣化虹膜图像信息增强、恢复与识别的深入理论与实现方法。具体内容包括虹膜图像退化机理分析，低质量虹膜图像分割，离焦与运动模糊虹膜图像复原，基于低分辨率虹膜图像的超分辨率图像重构，离轴虹膜图像补偿校正，依据复原与重构结果采用相应算法进行识别，并对图像进行分类与质量评估，建立劣化虹膜图像信息复原与识别的完整理论框架。项目的成功实施，将对虹膜识别系统的性能改善及非限制环境下的推广应用产生积极影响。

传统的虹膜识别系统需要用户高度配合，且只能针对正面拍摄的清晰虹膜图像进行，不能识别非限制环境下由各种噪声及干扰引起的劣化虹膜图像，这一状况使得虹膜识别系统的工作模式比较单一且受到限制，制约了虹膜识别技术的推广与应用。项目从提高虹膜识别系统实用性及鲁棒性出发，结合光学成像机理，采用机器学习的理论与方法，研究非限制环境下所获取的劣化虹膜图像信息增强、恢复与识别的深入理论与实现方法。主要为对虹膜图像退化机理进行分析的基础上，针对不同的退化模式进行图像处理、复原与识别。具体研究内容包括低质量虹膜图像分割，离焦与运动模糊虹膜图像复原，基于低分辨率虹膜图像的超分辨率图像重构，离轴虹膜图像补偿校正，依据复原与重构结果采用相应算法进行识别，并对图像进行分类与质量评估。基于这些研究内容，发表相关论文13篇，申请专利3项，培养研究生8名。项目建立了劣化虹膜图像信息复原与识别的完整理论框架，对虹膜识别系统的性能改善及非限制环境下的推广应用产生积极影响。