1引言虹膜是人体最重要的生物特征之一，具有丰富的细节和纹理特征。虹膜识别技术在各种生物识别技术当中具有明显的特点，比如唯一性、非侵入性和稳定性等等。在文献[1]的研究中，虹膜识别已经成为人体特征识别中具有研究意义的识别技术。在虹膜识别领域的研究中已经诞生出了许多经典算法，比如文献[2]中，Daugman等人提出基于Gabor滤波的特征提取方法；文献[3]中，Boles等人提出运用小波变换过零检测算法；Wildes等人[4]提出利用拉普拉斯金字塔提取虹膜纹理特征的方法；国内研究者冯薪桦等人[5]提出使用加权Hamming距离来改进道格曼的方法；吕林涛等人[6]提出了一种利用奇数对称2Dlog-Gabor滤波器消除冗余特征的方法；姚立平研究团队[7]提出的利用Harr小波以及log-Gabor变换特征来提取的方法；王琦等人[8]提出了一种利用小波包分解提取虹膜图像能量作为虹膜特征的算法；张雯雯等人[9]提出了一种基于小波包分解选择特定子带提取奇异值的方法；杨霞等人[10]提出了一种算法，先用周期小波变换提取高频信息，然后用反向传播神经网络进行分类。基于上述已有成果，本研究对小波包分解后的能量分布展开探讨，在此基础上对Hamming距离进行加权，并对算法进行改进，并通过仿真实验验证算法对识别精度提升的有效性。2虹膜识别方法对虹膜识别系统的设计一般分为三个个步骤:首先是虹膜图像预处理，主要包括虹膜区域定位和图像的归一化；其次是提取图像的文本特征并将其基于改进小波函数的虹膜识别算法*王义，田小情，郑悦（贵州大学大数据与信息工程学院，贵阳550025）摘要:小波包分解变换作为传统小波变换方法的延展，能够实现更精细的分解并得到更多小波包子图。基于此方法，提出一种改进的虹膜识别算法。该方法先对虹膜内外边缘进行定位和归一化，再通过小波包分解得到小波包子图，计算每个子图的系数得到虹膜特征向量，最终根据不同子图计算两幅虹膜图像对应特征向量的Hamming距离。通过实验仿真，表明由加权Hamming距离分类器来识别计算的系数能有效提升虹膜的识别精度。关键词：虹膜识别;小波包;加权Hamming距离DOI：10.3969/j.issn.1002-2279.2023.02.011中图分类号:TP391.41文献标识码:A文章编号：1002-2279（2023）02-0044-04IrisRecognitionAlgorithmBasedonImprovedWaveletFunctionWANGYi,TIANXiaoqing,ZHENGYue(CollegeofBigDataandInformationEngineering,GuizhouUniversity,Guiyang550025,China)Abstract:Asanextensionofthetraditionalwavelettr...
