基于PCA-SIFT的虹膜识别算法研究开题报告

1. 研究目的与意义

随着信息技术的快速发展，安全问题日渐成为人们面临的一个重要而迫切的问题。基于人体生物特征的身份鉴别技术越来越显示出其重要价值。其中，由于虹膜特征具有唯一性，稳定性，识别率高，非侵犯性等特点，所以虹膜识别已经成为当前热门的身份鉴别研究领域。

2. 国内外研究现状分析

虹膜用于身份识别可以追溯到1885年，在法国的一所监狱中尝试利用进行身份鉴别，单主要依赖人的观察。直到二十世纪九十年代，虹膜识别才取得了快速发展。目前国外的虹膜识别技术研究较多，该方向的研究与应用主要有美IridianSenSar和LG等公司，各算法中以英国剑桥大学的J.Daugman和美国麻省理工大学的R.Wildes提出的算法最为经典，大多数商业系统都是基于这两种算法。

国内目前在指纹识别应用上做的比较成熟，而外国公司却因为政府禁运，不能向中国出口技术含量更高的面部识别和虹膜识别技术。近年来，国内对虹膜纹理研究也越发关注，其中中科院自动化研究所的模式识别国家重点实验室拥有国际同步的自主产权的核心技术和算法。总的来说，国内虹膜识别的理论研究较早，但应用研究刚刚起步。

3. 研究的基本内容与计划

研究内容：本课题目的是对在虹膜匹配中具有更高的准确性和更快的匹配速度的pca-sift算法的研究。

设计目标：通过对pca-sift算法的研究，对其进充分理解。在仿真软件matlab进行准确快速的虹膜图像匹配。

研究计划：

（1）收集资料并撰写开题报告 （ 第 1 周第 3 周 ）

4. 研究创新点

sift算法作为鼻祖大佬已经相当成熟，匹配准确度高但相较于surf算法匹配速度不高。

surf基于integral/hessian两样法宝实现加速，也更易于并行但相较与sift 算法准确度不高。

pca-sift将sift中直方图方法换作主分量分析法，大大提高了匹配速度同时又保留了sift算法的准确度。