基于EMD的虹膜识别方法研究的综述报告.docx

基于EMD的虹膜识别方法研究的综述报告
虹膜识别（Irisrecognition）是一种生物计量学（biometric）技术，通过对眼中虹膜的特征提取与模式匹配，以实现个人身份识别的目的。目前，虹膜识别技术得到了广泛应用，如机场安检、边境管理、金融交易等。本文针对基于EMD（Empiricalmodedecomposition）的虹膜识别方法进行一定的综述报告。
EMD是一种局部自适应信号分解分析方法，它可以将一维信号分解为不同的本征模态函数（IntrinsicModeFunction,IMF），每个IMF具有局部近似于单频率的特性。利用EMD方法，虹膜图像可以通过分解成一系列本征模态函数来实现。
虹膜识别技术最常用的方法是基于Daugman算法，该算法通过对虹膜图像进行处理，提取出唯一性高、稳定性好的纹理特征。在使用该算法进行虹膜识别时，通常需要先对虹膜图像进行预处理，包括对应的灰度处理、边缘检测、二值化等操作。
与基于Daugman算法的虹膜识别相比，基于EMD的虹膜识别方法主要有以下优点：
1.强鲁棒性:对于图像质量差、光照差、模糊等情况下，EMD方法都能保证较高的识别率。
2.快速鲁棒性:基于EMD的虹膜识别方法通常可以实现较快的特征提取和匹配，可以满足大规模应用的需求。
3.比较抗噪音性:利用EMD方法对虹膜图像进行处理分解，可以有效降低一些噪声的干扰。
在基于EMD的虹膜识别方法的研究中，研究者通常会使用不同的EMD算法，如基于快速EMD（FEMD）算法、自适应粘贴重构法（APR）算法等进行特征提取。同时，基于EMD的虹膜识别方法也通常会利用一些机器学习算法，如支持向量机（SVM）等进行分类识别。
总的来说，基于EMD的虹膜识别方法相比于传统的Dauggan算法具有更高的鲁棒性和抗噪性，可以在更加恶劣的环境下获得更高的识别精确度。但该方法尚处于研究阶段，仍需进一步研究和实验验证。