快速Gabor滤波器在虹膜识别中的应用

　　将整个空间分为4个区，对落入相应区域的相角按图中示意进行2bit编码(格雷码)，2bit 格雷码序列和其他2bit编码方式相比，更恰当地体现了相邻相位区域的差异和相同点。经过 上述编码处理后，虹膜纹理特征变为一串由0、1组成的序列，两个虹膜编码采用如(10)式汉 明距的方法来进行特征匹配:

　　本虹膜识别系统在CPU 为P4 1.8GH 内存2G 的PC机上进行了性能对比试验，编程语言为 VC++，采用的原始数据取自中科院自动化所(北京)提供的CASIA虹膜数据库(V1.0)，图像像 素大小为320*280，通过对数据库中108*7幅图像在改进的算法和原有的算法基础上随机进行 1000次比较，为了节省储存空间和匹配时间，程序中只用一个尺度，一个方向的二维奇对称 Gabor小波来提取虹膜纹理特征，并将每个像素点作为一个特征点,得到如下表一所示的每次 Gabor滤波的计算平均时间(注:运算时间不包括虹膜图像的预处理、定位和归一化，仅包括 虹膜图像特征点的提取和比较)。

　　3 结论

　　本文采用了各向异性高斯滤波分离形式，计算出各项参数，将2-D奇对称Gabor滤波用两 个1-D高斯滤波递归实现，大大减少编码存储空间和计算量。与传统的Gabor滤波器相比，降低了时间代价和编码空间代价。因此，在虹膜识别系统中是一种十分可取的方法。此外，对 于Gabor滤波的快速实现方法参数σu 和σv 的选择还需进一步研究。最后,感谢中科院自动 化所提供的虹膜数据库。本文的创新点:把奇对称Gabor滤波器用两个一维的高斯滤波器用递 归方法快速实现，应用在虹膜识别特征点提取过程中，提高特征点提取效率，同时节省了存 储空间，从而提高了整个虹膜识别系统的性能。