English
资源说明：对Gabor滤波器应用于虹膜识别进行了详细的理论分析,结合当今出现的各种Gabor算法,提出了一种新的虹膜识别滤波算法,参照二维各向异性高斯滤波的非正交分解,把二维奇对称Gabor滤波器分解成两个非正交方向的一维高斯滤波,用递归方法快速实现与虹膜图像的滤波,应用于虹膜图像的纹理特征提取。实验结果对比表明,该滤波器减少了纹理特征提取时间,从而提高了匹配效率。
虹膜识别技术是一种高度安全的身份认证手段，其中Gabor滤波器扮演着核心角色。Gabor滤波器因其良好的频率选择性和空间定位能力，能够有效提取虹膜图像的纹理特征，进而实现高精度的个体识别。传统的二维Gabor复小波方法由Daugman首次提出，它利用二维Gabor滤波器提取虹膜纹理的局部相位特征，通过汉明距离计算匹配度。
然而，基于二维Gabor滤波器的虹膜识别方法在计算时间和存储空间方面存在挑战。针对这一问题，文章提出了一种快速Gabor滤波器的新算法，该算法借鉴了二维各向异性高斯滤波的非正交分解，将二维奇对称Gabor滤波器分解为两个非正交方向的一维高斯滤波器。这种分解方法不仅简化了滤波器的设计，而且可以通过递归方法快速实现滤波过程，有效地缩短了特征提取时间，从而提高了匹配效率。
在实现过程中，文章采用了I.T.Young的递归一维高斯滤波快速方法，将二维奇对称Gabor滤波器分解成的一维高斯滤波器进行组合，降低了计算复杂度。为了编码虹膜纹理特征，使用了2bit格雷码，这种方法能较好地体现相邻相位区域的差异，且在编码匹配时使用汉明距离，以判断两个虹膜特征是否匹配。
实验结果表明，该快速Gabor滤波算法在实际应用中表现优秀，特别是在CPU为P4 1.8GHz，内存2GB的PC机上，相比于原有算法，特征提取时间显著减少，同时节省了存储空间，提升了虹膜识别系统的整体性能。
总结来说，本文的研究创新点在于提出了快速实现二维奇对称Gabor滤波器的新方法，通过一维高斯滤波器的非正交分解和递归计算，优化了虹膜识别的特征提取过程。这种方法在提高识别效率的同时，减少了存储需求，为虹膜识别技术的实际应用提供了更优的解决方案。未来的研究方向可能包括进一步优化滤波器参数，如σu和σv的选择，以实现更高效的虹膜识别系统。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
