基于霍夫变换与Gabor小波的虹膜识别系统

资 源 简 介

该项目实现了一套完整的虹膜特征提取算法流程，基于国外硕士学位论文的研究成果，在生物识别领域具有极高的学术参考与工程借鉴价值。系统首先对原始眼部图像进行图像增强与预处理，利用加权中值滤波去除噪点。关键的虹膜定位功能采用改进的圆形霍夫变换（Hough Transform）算法，能够精准地在复杂的背景中检测出瞳孔内边界以及虹膜外边界。为了实现特征的统一比对，程序引入了Daugman橡胶板归一化模型（Rubber Sheet Model），通过坐标空间变换将环状虹膜区域展开为固定尺寸的矩形极坐标图像，有效解决了眼

详 情 说 明

基于Daugman算法与Gabor小波的虹膜特征提取系统

项目介绍

本项目实现了一套完整的虹膜特征提取算法流程，研究核心源自国外相关学术论文。系统涵盖了从图像预处理、虹膜定位到特征编码与比对的全过程。通过数学建模与数字图像处理技术，将复杂的眼部生理特征转化为可量化的二进制码，展现了典型的生物特征识别工程实现逻辑。该项目既可作为生物识别技术的科研参考，也适用于数字图像处理领域的高级教学示例。

功能特性

1. 自动生成模拟眼部图像：系统内置模拟数据生成引擎，可产生具有虹膜、瞳孔、巩膜特征及随机纹理的实验图像。
2. 图像增强与去噪：采用掩膜增强的加权中值滤波技术，在保留边缘信息的同时滤除高斯噪声。
3. 双边界精确搜索：基于改进的圆形霍夫变换（Hough Transform），实现瞳孔内边界与虹膜外边界的自动定位。
4. 几何畸变校正：引入Daugman橡胶板模型，将环状虹膜区域归一化为标准的矩形极坐标图像。
5. 相位特征编码：利用二维Gabor小波滤波器捕捉虹膜纹理的相位信息，并进行多象限特征量化。
6. 相似度量化评估：通过计算汉明距离（Hamming Distance）衡量特征向量的差异，支持自动化验证决策。
7. 多维度结果可视化：提供包含定位轨迹、归一化图、特征码分布及匹配分数的综合可视化界面。

系统要求

1. 运行环境：MATLAB R2016b 或更高版本。
2. 必备工具箱：Image Processing Toolbox（图像处理工具箱）。
3. 硬件建议：支持图形显示器的计算设备，建议内存 8GB 以上以保证图像卷积运算的流畅度。

实现逻辑说明

系统的核心执行流程遵循生物识别的标准范式：

第一步：环境初始化与数据准备。系统清理当前工作空间后，执行合成图像函数。该函数创建一个400x400像素的矩阵，通过数学方程定义瞳孔（中心位置、低亮度）和虹膜（同心圆环、随机噪声纹理），并叠加强度为0.001的高斯噪声以模拟真实采集环境。

第二步：加权中值滤波。针对输入图像，采用3x3的局部窗口进行扫描。与传统中值滤波不同，系统将中心像素的权重增加，使其在计算中值时出现两次，从而在滤除噪点的同时更好地维持虹膜边缘的锐利度。

第三步：圆形边界定位。首先使用Canny算子提取边缘二值图。随后系统分两阶段调用霍夫变换搜索函数：首先在全局范围内寻找瞳孔边界（半径范围40-60）；接着以瞳孔圆心为参考，在局部邻域内搜索虹膜外边界（半径范围100-140）。该方法通过投票机制在参数空间寻找最优圆心坐标与半径。

第四步：区域归一化。应用橡胶板映射模型。系统在0到2*pi的角度空间以及由内圆到外圆的径向空间内进行重采样。通过坐标变换公式，将环状区域解构为20x240分辨率的矩形结构。采样过程中使用最近邻插值法获取原始像素值，消除了个体眼球尺寸差异带来的影响。

第五步：特征提取与量化。系统构造一组二维Gabor滤波器内核。该内核包含实部（余弦调制）和虚部（正弦调制）。通过将归一化图与Gabor核进行空间域卷积，得到特征响应信息。随后根据复数平面的四个象限对相位进行二进制量化：实部和虚部的正负状态分别编码为1或0，最终生成一个双位宽的二进制特征矩阵。

第六步：统计比对。为了验证系统的识别能力，程序通过对生成的特征码添加5%的随机干扰位来模拟待测样本。计算两个特征码之间的异或结果，并统计不同位占总位数的比例，得出汉明距离。

第七步：结果呈现。程序最后生成一个四分格视图，直观展示定位红绿圆环、展开的纹理长条、点阵状的特征码以及包含最终匹配成功或失败结论的统计报告。

关键算法细节分析

1. 改进霍夫变换：代码中通过限制搜索半径范围和引入圆心提示（Center Hint），极大地缩小了参数空间的搜索范围，减少了计算复杂度，提高了定位的收敛速度。
2. Daugman映射：该实现捕捉了虹膜随瞳孔缩放而产生的线性形变。代码通过对每个角度下的径向矢量进行等分采样，保证了即使在不同成像距离下，提取到的特征位置也能实现一一对应。
3. Gabor相机编码：采用的2D Gabor小波具有优异的方向选择性和频率选择性。通过相位量化而非幅值量化，增强了系统对于环境光照变化的鲁棒性，因为相位信息相对于对比度变化更为稳定。
4. 汉明距离判定：系统预设了0.35的判别阈值。若计算出的位差比例低于此阈值，则认为两个特征来自同一个虹膜，这是国际主流虹膜识别系统通用的统计决策准则。

使用方法

1. 启动 MATLAB 软件。
2. 将包含 main.m 文件的文件夹设置为当前工作路径。
3. 在命令行窗口键入主函数名并回车。
4. 系统将自动执行全流程并在图形窗口弹出分析结果。
5. 若需处理真实图像，可根据代码注释修改输入路径，并相应调整霍夫变换的半径搜索范围参数。