食品供應(yīng)鏈可追溯系統(tǒng)模型ppt課件

1、食品供應(yīng)鏈可追溯系統(tǒng)模型及關(guān)鍵技術(shù)研討.目錄第一章 緒論第二章 基于虹膜識(shí)別的肉類供應(yīng)鏈可追溯 系統(tǒng)第三章 大型動(dòng)物虹膜圖像預(yù)處置算法第四章 大型動(dòng)物虹膜圖像的紋理特征提取 和方式匹配算法第五章 終了語 .第一章 緒論 研討背景及意義 近年來，一系列食品平安事件的發(fā)生以及人畜共患傳染病的迸發(fā)帶給人們極大的恐慌，越來越多的企業(yè)開場(chǎng)試圖降低消費(fèi)過程中的風(fēng)險(xiǎn)，同時(shí)越來越多國家的消費(fèi)者要求提供產(chǎn)品在食品供應(yīng)鏈中的流動(dòng)情況，并對(duì)其進(jìn)展跟蹤和追溯，一些興隆國家曾經(jīng)實(shí)施了食品平安追溯制度。 我國運(yùn)用于全程溯源的標(biāo)簽技術(shù)只在有限的食品種類中的某些過程得到運(yùn)用，大型動(dòng)物食品個(gè)體鑒別技術(shù)研討才剛剛起步?？偟膩碚f，

2、我國的食品溯源技術(shù)嚴(yán)重缺乏，溯源系統(tǒng)還未得到廣泛運(yùn)用，嚴(yán)重影響了食品平安的風(fēng)險(xiǎn)管理和我國食品的國際競爭力。從我國食品鏈可追溯系統(tǒng)的長期開展來看，研討出與國外接軌的準(zhǔn)確、可行、快速、便利的可追溯關(guān)鍵技術(shù)是非常必要的。06305整理發(fā)布. 本文是“十一五國家科技支撐方案艱苦工程“食品平安關(guān)鍵技術(shù)“食品污染溯源技術(shù)研討2006BAK02A16和“超市食品平安的質(zhì)量控制技術(shù)研討2006BAK02A28的研討成果。食品污染溯源技術(shù)研討課題，以關(guān)系國計(jì)民生和國際貿(mào)易的重要食品種類為研討對(duì)象，利用以電子標(biāo)簽為中心的編碼技術(shù)、虹膜技術(shù)、同位素技術(shù)、DNA指紋技術(shù)等，建立大型動(dòng)物食品個(gè)體鑒別技術(shù)、食品產(chǎn)地溯源技

3、術(shù)等，構(gòu)建食品供應(yīng)鏈全程污染物溯源技術(shù)系統(tǒng),為完善我國食品溯源系統(tǒng)提供實(shí)際和技術(shù)支撐。. 相關(guān)文獻(xiàn)綜述肉類食品供應(yīng)鏈可追溯系統(tǒng)研討現(xiàn)狀 食品供應(yīng)鏈可追溯關(guān)鍵技術(shù)研討現(xiàn)狀 虹膜識(shí)別技術(shù)研討現(xiàn)狀 . 本文主要研討內(nèi)容 論文的內(nèi)容安排 第一部分第二章選擇以食品鏈關(guān)鍵技術(shù)作為切入點(diǎn)，首先討論了人眼虹膜識(shí)別技術(shù)運(yùn)用于大型動(dòng)物識(shí)別在圖像采集、虹膜定位、特征提取三方面存在的技術(shù)難點(diǎn)，給出了實(shí)現(xiàn)動(dòng)物虹膜識(shí)別的技術(shù)道路；最后構(gòu)建了基于虹膜識(shí)別的肉食品可追溯系統(tǒng)，并進(jìn)展了詳細(xì)功能劃分和流程設(shè)計(jì)，為虹膜技術(shù)在肉食品可追溯系統(tǒng)中的運(yùn)用實(shí)施提供了參考。 第二部分第三、四章進(jìn)展了了大型動(dòng)物虹膜識(shí)別的算法研討與系統(tǒng)實(shí)現(xiàn)，以

4、實(shí)地采集的大型動(dòng)物眼睛圖片為根底，從虹膜定位、歸一化、特征編碼及匹配幾個(gè)方面，進(jìn)展了動(dòng)物虹膜識(shí)別算法的研討。其中包括圖像的預(yù)處置、特征提取、二維Gabor濾波器的構(gòu)造、參數(shù)選擇、虹膜編碼以及Hamming間隔的計(jì)算等，經(jīng)過計(jì)算機(jī)程序?qū)崿F(xiàn)虹膜圖像的識(shí)別過程。.大型動(dòng)物虹膜識(shí)別算法體系Visual C +6.0 編程實(shí)驗(yàn)Matlab6.5 濾波器仿真紋理特征編碼方式匹配圖像噪聲處置虹膜內(nèi)外邊緣定位虹膜分割及歸一化圖像加強(qiáng)虹膜圖像預(yù)處置虹膜特征提取和方式匹配人眼虹膜識(shí)別實(shí)際1-2 論文研討框架圖基于虹膜識(shí)別的肉類食品可追溯系統(tǒng)計(jì)算機(jī)圖形學(xué)實(shí)際.第二章 基于虹膜識(shí)別的肉類食品供應(yīng)鏈可追溯系統(tǒng) 研討食品

5、供應(yīng)鏈可追溯系統(tǒng)的兩種思緒 經(jīng)過構(gòu)建可追溯體制機(jī)制、法規(guī)規(guī)范的角度，各個(gè)國家經(jīng)過強(qiáng)迫性制度建立，建立健全食品可追溯系統(tǒng)模型；2經(jīng)過對(duì)食品可追溯系統(tǒng)中關(guān)鍵技術(shù)的研討，加強(qiáng)食品供應(yīng)鏈可追溯的寬度、深度和準(zhǔn)確度。 食品供應(yīng)鏈可追溯關(guān)鍵技術(shù)是可追溯系統(tǒng)有效運(yùn)作的中心所在，主要包括動(dòng)物個(gè)體識(shí)別技術(shù)、現(xiàn)代信息網(wǎng)絡(luò)和通訊技術(shù)等，其中動(dòng)物個(gè)體標(biāo)識(shí)技術(shù)是可追溯關(guān)鍵技術(shù)體系的中心所在。目前國內(nèi)外采用的關(guān)鍵技術(shù)大體可分為三類：機(jī)械方法烙鐵、紋身等；電子方法條形碼塑料耳標(biāo)、電子紐扣式標(biāo)簽、無線射頻識(shí)別等；以及生物方法DNA分型、眼虹膜識(shí)別、視網(wǎng)膜識(shí)別等。其中無線射頻技術(shù)和生物學(xué)身份識(shí)別技術(shù)如眼虹膜識(shí)別和DNA分型是個(gè)

6、體識(shí)別的一種新技術(shù)，未來開展?jié)摿甏蟆? 大型動(dòng)物虹膜識(shí)別技術(shù) 虹膜識(shí)別技術(shù)是屬于動(dòng)物識(shí)別技術(shù)的一種，動(dòng)物個(gè)體識(shí)別是肉食品可追溯系統(tǒng)的首要要素，是指利用特定的標(biāo)簽，以某種技術(shù)手段與擬識(shí)別的動(dòng)物相對(duì)應(yīng)，并能隨時(shí)對(duì)動(dòng)物的相關(guān)平安信息進(jìn)展跟蹤與管理，發(fā)生問題時(shí)，可以快速追溯到動(dòng)物在食品鏈上經(jīng)過的各節(jié)點(diǎn)以及出生地的一種技術(shù)。參照興隆國家實(shí)施的畜產(chǎn)品追溯系統(tǒng)與技術(shù)，綜合比較集中畜體標(biāo)識(shí)技術(shù)的優(yōu)劣和開展趨勢(shì)，采用虹膜識(shí)別作為動(dòng)物個(gè)體溯源的關(guān)鍵技術(shù)更為準(zhǔn)確有效。 .人眼虹膜識(shí)別系統(tǒng) 國外對(duì)虹膜識(shí)別研討較早，傳統(tǒng)的虹膜識(shí)別算法有Daugman和Wildes提出的識(shí)別算法。 1Daugman系統(tǒng)：利用如下微積分

7、算子Integro-differentialoperator來定位虹膜： 其中，是規(guī)范差為的高斯函數(shù)，起平滑濾波作用，I為虹膜圖像，表示卷積，除以是為了歸一化。整個(gè)算子的作用為一個(gè)以一定尺度的高斯函數(shù)模糊化的圓的邊緣檢測(cè)器，它在三維的參數(shù)空間迭代求最優(yōu)解。檢測(cè)眼瞼時(shí)積分途徑改為圓弧形，然后用統(tǒng)計(jì)方法判別能否有眼瞼。特征抽取時(shí)采用Gabor濾波器的相位編碼算法，利用Gabor濾波器的部分性和方向性對(duì)虹膜紋理進(jìn)展分解編碼，根據(jù)是Gabor小波具有與人類簡單視覺細(xì)胞類似的視覺特性，可以很好地分析現(xiàn)實(shí)世界中的各種方式. . 最后提取其相位信息，并將所得到的相位信息量化為二值的虹膜編碼，利用歸一化的海明

8、間隔Hamming distance實(shí)現(xiàn)虹膜特征匹配。此方法是識(shí)別性能最好的方法。 2Wildes系統(tǒng)：Wildes系統(tǒng)運(yùn)用邊緣檢測(cè)與Hough變換相結(jié)合的方法定位虹膜，先用二維高斯函數(shù)結(jié)合拉普拉斯算子來尋覓虹膜邊緣點(diǎn)，再用Hough變換來得到虹膜參數(shù)，也是在三維參數(shù)空間求內(nèi)外圓的參數(shù)最優(yōu)解。由于Hough變化具有一系列優(yōu)點(diǎn)被以為是高效的匹配濾波器工具，但是由于其計(jì)算量與參數(shù)空間成指數(shù)關(guān)系，因此這種方法的計(jì)算時(shí)間是一個(gè)不能忽視的問題，此外，當(dāng)虹膜被睫毛及眼瞼遮擋的時(shí)候，這種方法的準(zhǔn)確性會(huì)顯著下降。 特征抽取運(yùn)用基于紋理分析的方法，提出用高斯型濾波器在不同分辨率下分解虹膜圖像，采用拉普拉斯金字塔

9、的多分辨率技術(shù)，在不用尺度下計(jì)算給定的兩個(gè)虹膜圖像的歸一化相關(guān)系數(shù)，然后運(yùn)用Fisher分類器進(jìn)展分類，該方法本質(zhì)上是一種圖像匹配方法，缺陷是計(jì)算復(fù)雜度高。. 目前大部分商用的虹膜識(shí)別系統(tǒng)都運(yùn)用Daugman的中心算法，由于設(shè)計(jì)商業(yè)專利等問題，Daugman于算法的細(xì)節(jié)在公開發(fā)表的文獻(xiàn)中并沒有提及。大型動(dòng)物虹膜識(shí)別存在的技術(shù)難點(diǎn) 1圖像采集問題：與人眼虹膜采集不同，動(dòng)物很難在采集的過程中堅(jiān)持靜止不動(dòng)，難以進(jìn)展聚焦，獲取的圖像質(zhì)量較差，難以滿足識(shí)別要求。 虹膜圖像采集是識(shí)別算法的平臺(tái)和根底。以牛為代表的大型動(dòng)物通常比較敏感，尤其是有陌生物品接近它們時(shí)，它們幾乎在不停地?cái)[動(dòng)頭部同時(shí)轉(zhuǎn)動(dòng)眼球，獲得大

10、量的可用于識(shí)別的圖像是比較困難的。設(shè)計(jì)和開發(fā)出適宜動(dòng)物的圖像采集安裝，同時(shí)采用適宜的質(zhì)量評(píng)價(jià)方法，用于排除不滿足識(shí)別要求的圖像，提高識(shí)別的準(zhǔn)確率，是非常必要的。. 2牛眼虹膜定位問題：虹膜定位是虹膜圖像預(yù)處置過程中的重要環(huán)節(jié)。人眼虹膜定位算法大多是將瞳孔和虹膜看作兩個(gè)同心圓，利用圓的幾何特性來進(jìn)展定位。與人的瞳孔呈近圓形不同，牛的瞳孔呈類橢圓形，因此，對(duì)牛眼虹膜的定位能夠主要依托邊緣檢測(cè)的方法進(jìn)展。 3牛眼紋理特征提取問題：人眼虹膜包含密集的放射狀紋理，集中在瞳孔周圍，經(jīng)過對(duì)其進(jìn)展特征提取轉(zhuǎn)換為編碼信息，實(shí)現(xiàn)獨(dú)一身份標(biāo)識(shí)的目的。與人眼虹膜紋理多呈放射狀分布在瞳孔附近不同，牛眼虹膜紋理主要集中在

11、虹膜外邊緣，需求選用特殊的特征提取編碼方法。.大型動(dòng)物虹膜識(shí)別技術(shù)實(shí)現(xiàn) 虹膜圖像采集虹膜圖像虹膜紋理特征提取虹膜特征編碼虹膜特征編碼的匹配匹配結(jié)果個(gè)體虹膜注冊(cè)個(gè)體追溯圖像預(yù)處置圖像平滑處置虹膜定位圖像分割及歸一化圖像加強(qiáng)圖2-3 大型動(dòng)物虹膜識(shí)別技術(shù)道路.本文所運(yùn)用的算法 按照上面的流程，本文對(duì)適宜于大型動(dòng)物虹膜識(shí)別的算法進(jìn)展了詳細(xì)研討和實(shí)現(xiàn)，采用的算法如下： 圖像預(yù)處置包括圖像二值化處置、邊緣檢測(cè)、虹膜定位、虹膜圖像歸一化。圖像二值化閾值變換邊緣檢測(cè) Sobel算子B樣條變換、Hough變換圖像歸一化極坐標(biāo)變換圖像平滑定位虹膜內(nèi)外緣中值濾波. 經(jīng)過系統(tǒng)預(yù)處置過后的圖像，把原圖像中部分虹膜區(qū)域

12、經(jīng)過坐標(biāo)變換，轉(zhuǎn)換成矩形區(qū)域，從而便于后期特征提取與特征編碼，分別用到圖像分塊和Daugmn提出的基于2D-Gabor小波變換的虹膜紋理編碼算法。在運(yùn)用虹膜識(shí)別系統(tǒng)前，假設(shè)曾經(jīng)建立了某一地域的大型動(dòng)物虹膜庫，并且曾經(jīng)輸入到數(shù)據(jù)庫中。從而在執(zhí)行虹膜匹配這一步驟時(shí)，經(jīng)過對(duì)當(dāng)前待識(shí)別動(dòng)物虹膜編碼和虹膜庫中個(gè)體逐個(gè)進(jìn)展Hamming間隔計(jì)算，得到假設(shè)干介于0與1之間的比例，利用事先經(jīng)過實(shí)驗(yàn)假定的識(shí)別閾值確定當(dāng)前待識(shí)別動(dòng)物個(gè)體能否和虹膜庫中某個(gè)體匹配。 計(jì)算Hamming間隔與閾值比較圖像分塊圖像濾波特征編碼根據(jù)實(shí)驗(yàn)精度要求2D Gabor濾波方式匹配匹配不匹配輸出個(gè)體相關(guān)信息提示.基于虹膜識(shí)別的肉類食

13、品供應(yīng)鏈可追溯系統(tǒng) 系統(tǒng)的功能劃分及其功能描畫 系統(tǒng)詳細(xì)流程 .、第三章 大型動(dòng)物虹膜圖像預(yù)處置算法 虹膜圖像預(yù)處置是對(duì)獲取的虹膜原始圖像數(shù)據(jù)進(jìn)展處置加工、去偽存真的過程。普通要進(jìn)展平滑、虹膜定位、歸一化以及歸一化后的虹膜圖像加強(qiáng)步驟，其中虹膜定位是虹膜預(yù)處置算法的根底的關(guān)鍵；歸一化處置可以使虹膜圖像大小規(guī)范化；圖像加強(qiáng)可以消除不均勻光照引起的圖像光強(qiáng)不均勻分布。 圖像平滑處置 在拍攝的虹膜圖像上面，會(huì)帶有一些噪聲，尤其對(duì)于在室外進(jìn)展的大型動(dòng)物虹膜采集，會(huì)在圖像上構(gòu)成大小不一的亮點(diǎn)；圖像數(shù)字化過程時(shí)的量化誤差在虹膜圖像上產(chǎn)生的噪聲；圖像經(jīng)過傳輸產(chǎn)生的信道誤差等。這些噪聲會(huì)對(duì)提取虹膜邊境產(chǎn)生不利

14、的影響，為了去除或者降低噪聲的干擾，在進(jìn)展定位前需求對(duì)虹膜圖像進(jìn)展處置。本文采用中值濾波的方法進(jìn)展圖像平滑。中值濾波是抑制噪聲的非線性處置方法，圖像中值濾波后某像素的輸出等于該像素鄰域中各像素灰度的中值。平滑模板選用高斯模板。 . 大型動(dòng)物虹膜定位算法 虹膜內(nèi)外邊境的二值化分割和瞳孔中心位置確實(shí)定 采用二值化法的閾值分割技術(shù)，即灰度閾值分割法，就是簡單的用一個(gè)或幾個(gè)閾值將圖像的灰度直方圖分成幾個(gè)類，以為圖像中灰度值在同一個(gè)灰度類的像素屬于同一個(gè)物體。由于對(duì)牛眼虹膜圖像的采集通常在室外進(jìn)展，經(jīng)過對(duì)大量圖片的分析，在虹膜攝取過程中構(gòu)成光斑是不可防止的，通常情況下，光斑的亮度比虹膜圖像的其他部分高。

15、牛眼睛圖像的灰度分布，由于光斑區(qū)域幾乎覆蓋住瞳孔，使得瞳孔與虹膜，鞏膜與虹膜之間都構(gòu)成了劇烈的灰度對(duì)比，邊境限的梯度較大，容易找到邊境限。我們可以利用較大的閾值來快速有效地將虹膜與其他部分分別。 . 本文采用方式方法model method來確定閾值，即在灰度直方圖中檢測(cè)出第一個(gè)明顯的谷的位置，利用其對(duì)應(yīng)的灰度值作為閾值進(jìn)展分割，為了防止直方圖上某一點(diǎn)突變呵斥的影響，通常要求這個(gè)部分最大值和部分最小值對(duì)應(yīng)的灰度之間的間隔不小于一個(gè)最小值。在圖所示的灰度直方圖中，第一個(gè)峰值對(duì)應(yīng)的是虹膜區(qū)域灰度集中位置，因此本文在進(jìn)展灰度分割的時(shí)候閾值應(yīng)該原那么在第一個(gè)峰值的右側(cè)的谷底位置。經(jīng)過反復(fù)的實(shí)驗(yàn)，對(duì)于本

16、文所運(yùn)用的圖片庫，閾值選擇在125，虹膜區(qū)域可以被較好的分割出來，實(shí)驗(yàn)結(jié)果如下圖。. . 虹膜圖像邊緣檢測(cè) 取掩模的不同，可以得到不同的算子，有代表性的有：Roberts算子、Sobel算子、Prewitt算子、Robinson算子和Canny算子等。本文在進(jìn)展邊緣檢測(cè)之前先進(jìn)展了二值化處置，大大提高了邊緣檢測(cè)的準(zhǔn)確性，運(yùn)用上述算子都能得到較為理想的結(jié)果，所以選用更為準(zhǔn)確迅速的Sobel算子進(jìn)展邊緣檢測(cè)。 Sobel算子是一種帶方向選擇性的梯度算子，灰度變化較大的點(diǎn)出算得的值較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點(diǎn)的邊境強(qiáng)度，經(jīng)過設(shè)置門限的方法，提取邊境的點(diǎn)集。. 程度模板，對(duì)程度邊緣呼應(yīng)最大；垂直

17、模板，對(duì)垂直邊緣呼應(yīng)最大。圖像中的每個(gè)點(diǎn)除了模板罩不住的點(diǎn)都用這兩個(gè)模板做卷積，兩個(gè)模板卷積的最大值作為該點(diǎn)的輸出值，其運(yùn)算結(jié)果是一幅邊緣幅度圖像。本文在Sobel算子的根底上利用衰減因子進(jìn)展了改良,細(xì)化了圖像邊緣。 .基于二次均勻B樣條曲線的虹膜內(nèi)邊境擬合 圖形學(xué)中，運(yùn)用分段多項(xiàng)式差值來得到平滑曲線的這種曲線標(biāo)識(shí)方法是非常普遍的，B樣條曲線擬合問題是指給定一組數(shù)據(jù)點(diǎn)，要求尋覓一條B樣條曲線逼近或者是經(jīng)過這些數(shù)據(jù)點(diǎn)。B樣條插值曲線的外形不僅取決于給定的數(shù)據(jù)點(diǎn)，而且還遭到曲線次數(shù)、數(shù)據(jù)點(diǎn)的參數(shù)化和節(jié)點(diǎn)向量的影響 。 . 基于Hough變換的虹膜外邊境定位 Hough變換是利用圖像的全局特性而將邊

18、緣像素銜接起來組成區(qū)域封鎖邊境的一種方法。在預(yù)先知道區(qū)域外形的條件下，利用Hough變換可以方便地得到邊境曲線，將不延續(xù)的邊緣像素點(diǎn)銜接起來。Hough變換是將空間域的每個(gè)輪廓點(diǎn)代入?yún)?shù)方程，把對(duì)圖像的檢測(cè)問題轉(zhuǎn)化為參數(shù)空間的累計(jì)技術(shù)問題，假設(shè)投票數(shù)超越某一門限，那么以為有足夠多的圖像點(diǎn)位于該參數(shù)點(diǎn)所決議的曲線上。 . 如下圖，由實(shí)驗(yàn)結(jié)果可以看出，用二次B樣條定位內(nèi)邊境和用Hough變換定義內(nèi)邊境均能獲得較好的效果，但是當(dāng)瞳孔內(nèi)光斑較大或者瞳孔周圍小光斑較多的情況下，B樣條擬合就會(huì)出現(xiàn)不準(zhǔn)確、速度慢等缺陷，思索到以上要素，本文最終選用Hough變換定義內(nèi)邊境的方法，Hough定位虹膜內(nèi)邊境的方

19、法，使下面的歸一化處置更加方便易行。 . 虹膜圖像分割及歸一化 從圖中我們發(fā)現(xiàn)：假設(shè)我們運(yùn)用上述定位算法進(jìn)展定位，由于包括牛眼在內(nèi)的許多動(dòng)物眼睛，都不是正圓形，在定位時(shí)會(huì)包括一定的錯(cuò)誤區(qū)域。但由于虹膜具有復(fù)雜的構(gòu)造，有很多不同的生物特征，在實(shí)際上只需有65%的虹膜存在就足夠用來做虹膜識(shí)別了，在人眼虹膜定位時(shí)，由于眼皮和睫毛的遮擋，經(jīng)常直接去除那些能夠被上下眼皮和睫毛覆蓋的區(qū)域，這樣不會(huì)影響到識(shí)別的結(jié)果。本文也采取了這一方法，直接把虹膜區(qū)域的上下部分去掉，詳細(xì)方法如下：假設(shè)虹膜的內(nèi)外半徑和，在左眼角，我們提取出來的虹膜區(qū)域?yàn)椋?. 虹膜圖像歸一化 虹膜圖像歸一化的目的是將原始虹膜圖像中感興趣的區(qū)

20、域(Region of Interesting, ROI)映射到一樣的尺存和具有一樣對(duì)應(yīng)關(guān)系的區(qū)域中，從而消除平移，縮放和旋轉(zhuǎn)對(duì)于虹膜識(shí)別的影響，也方便生成一致長度的特征編碼。 . 虹膜圖像最終歸一化構(gòu)成尺寸為64*256的矩形虹膜圖像。 圖像加強(qiáng) 直方圖平衡化是用一個(gè)灰度變換函數(shù)對(duì)輸入直方圖作修正，使修正后的圖像直方圖趨于均勻，增大圖像灰度級(jí)的動(dòng)態(tài)范圍，以到達(dá)加強(qiáng)圖像對(duì)比度的目的。 .第四章 大型動(dòng)物虹膜圖像的紋理特征提取和方式匹配 虹膜外表呈現(xiàn)高低不平的放射狀陳列、相互交錯(cuò)的皺壁，構(gòu)成多數(shù)的隱溝。構(gòu)造上的高低變化，構(gòu)成虹膜特有的紋理。虹膜紋理可提供的信息量大，具有高度的隨機(jī)性、穩(wěn)定性和不變

21、性，其豐富的特征參量較指紋有過之而無不及，因此在運(yùn)用于識(shí)別的時(shí)候可靠性高。為了比較不同的虹膜，就要提取虹膜紋理的特征向量，如何在曾經(jīng)獲得的歸一化和圖像加強(qiáng)之后的虹膜圖像的根底上，高效的描畫虹膜的紋理，抽取有效的特征，是基于虹膜的身份識(shí)別系統(tǒng)的關(guān)鍵部分。 跟人眼一樣，牛眼虹膜也具有豐富的紋理特征，只不過紋理特征集中在虹膜外邊緣內(nèi)側(cè)，外形不規(guī)那么。Gabor濾波器由于可以同時(shí)在時(shí)域和頻域獲得最正確的分辨率，具有很好的方向選擇性和頻率選擇性等特點(diǎn)，在圖像紋理分析中已獲得了勝利的運(yùn)用。綜上緣由，本文選擇了運(yùn)用Gabor濾波的方法來提取牛眼虹膜紋理特征，在Daugman編碼思想的根底上，對(duì)上面定位好的牛

22、眼虹膜圖像進(jìn)展了子塊分割，對(duì)每一個(gè)子塊運(yùn)用49個(gè)Gabor濾波器進(jìn)展濾波，提取虹膜特征并采取適當(dāng)?shù)奶卣饔涗浄椒?，以此?gòu)成虹膜編碼，最后進(jìn)展了方式匹配。.基于2D-Gabor小波的牛眼虹膜紋理提取2D-Gabor 函數(shù) . 從圖中可以明顯看出Gabor濾波器的方向和頻率選擇性，經(jīng)過調(diào)整一系列參數(shù) ，可以獲得不同特性的濾波器，它們具有不同的空間部分化特征，如方向選擇性和頻率選擇性。 .Daugman的傳統(tǒng)編碼方法 Daugman采用了Gabor變換的極坐標(biāo)方式對(duì)虹膜圖像進(jìn)展編碼。Gabor變換的極坐標(biāo)方式如式。 Daugman算法采用了他用了1024個(gè)這樣的小波，每一個(gè)小波就是一些具有特定大小、位

23、置參數(shù)的簡單的復(fù)2DGabor函數(shù)。 這樣，在系統(tǒng)中依托一個(gè)Gabor濾波族，作為一種部分紋理的粗量化器，構(gòu)成 ，每個(gè)圖像塊的編碼用實(shí)部+虛部，用2位表示。得到了2048位的編碼。這樣的編碼方式得到的結(jié)果很緊湊，在Daugman的文獻(xiàn)中說適宜實(shí)踐運(yùn)用，效果良好。但是對(duì)算法的詳細(xì)實(shí)現(xiàn)和參數(shù)選擇Daugman并沒有闡明。 .基于子塊紋理分析的Gabor濾波器方法 . 在本實(shí)驗(yàn)中，將歸一化后的的虹膜劃分為256個(gè)子塊(如下圖)，每個(gè)子塊大小為，經(jīng)過49組Gabor進(jìn)展濾波。 Gabor濾波器共有6個(gè)參數(shù) ，這些參數(shù)相互制約，相互影響，在構(gòu)造Gabor濾波器的時(shí)候。，參數(shù)的選擇很重要，直接影響到識(shí)別的

24、結(jié)果。. 決議著Gabor的定位位置。為了準(zhǔn)確的獲得虹膜圖像的各個(gè)部分的紋理信息，位置參數(shù)應(yīng)該選擇密集一些的，但是過于密集會(huì)有信息冗余，影響系統(tǒng)的計(jì)算速度，過于稀疏又難以將圖像的紋理特征準(zhǔn)確的提取。本實(shí)驗(yàn)中將虹膜圖像的有效區(qū)域劃分為256個(gè)子塊，每個(gè)子塊的中心點(diǎn)即Gabor濾波器的定位中心，因此共有256組取值。我們用Gabor濾波器在圖像上是按照從上到下，從左到右的順序遍歷整幅圖像的。. Gabor的尺度參數(shù)在濾波器的構(gòu)造中扮演著很重要的作用，目前公開的文獻(xiàn)中對(duì)于濾波器參數(shù)的選擇都沒有給出，由于圖像的性質(zhì)尺寸對(duì)尺度參數(shù)的選擇也有很大的影響，我們只能經(jīng)過大量的實(shí)驗(yàn)確定最正確參數(shù)。以下圖是取不同

25、方向和頻率的Gabor濾波器實(shí)部的波形。. 最后，得到的虹膜代碼長度=濾波器編號(hào)+實(shí)虛部圖像高圖像寬/子圖像的大小= .基于HAMMING間隔的方式匹配 Hammin間隔是經(jīng)過統(tǒng)計(jì)兩個(gè)模板上對(duì)應(yīng)位編碼不同的個(gè)數(shù)占總模板位數(shù)的比例作為這兩個(gè)模板之間的間隔，間隔越小闡明兩模板越匹配。本文采用的便是基于比較兩虹膜編碼的海明間隔來實(shí)現(xiàn)方式匹配，該方法簡單易用，計(jì)算量小，足以滿足虹膜識(shí)別的匹配要求。 設(shè)虹膜代碼長為L，虹膜編碼A和B歸一化的海明距為：識(shí)別結(jié)果與分析 . 實(shí)驗(yàn)所用圖像由上海通大學(xué)研制的非接觸式虹膜采集設(shè)備得到，圖片為分辨率為320240的8位灰度圖，實(shí)驗(yàn)在CPU為AMD3200+ 的計(jì)算機(jī)

26、上進(jìn)展，運(yùn)用Visual C +6.0對(duì)文中所用算法編程實(shí)現(xiàn)。 本實(shí)驗(yàn)進(jìn)展了35幅牛眼虹膜圖像的小樣本實(shí)驗(yàn)，這35幅均是在一天中同一時(shí)辰不同的采集者，每幅圖像都是8位的灰度圖像，以下是對(duì)圖像預(yù)處置后的虹膜紋理圖像進(jìn)展特征提取的結(jié)果。用上面的算法對(duì)對(duì)35個(gè)樣本編碼后得到一組2048bit的虹膜編碼，計(jì)算同一采集者在不同時(shí)辰 虹膜編碼的Hamming間隔不同采集者 ,之間虹膜編碼Hamming間隔。 . . 可以看出，同一個(gè)體不同時(shí)辰采集的圖像之間的Hamming間隔相比較小，而不同個(gè)體之間虹膜圖像的Hamming間隔大都要大于兩個(gè)一樣虹膜編碼的HD，一樣虹膜編碼的HD在0，0.1752930范圍

27、內(nèi)，其均值約為0.121，其中有幾個(gè)值為0.1752930，誤差較大導(dǎo)致錯(cuò)誤的緣由能夠有：圖像采集時(shí)外界噪聲的影響，圖像預(yù)處置中閾值的取值；不同個(gè)體之間的HD在0.1650391，0.2319336之間，平均值為0.204032。 在本實(shí)驗(yàn)中，將識(shí)別閾值設(shè)為0.15。此時(shí)識(shí)別率為93%。由于對(duì)大型動(dòng)物的虹膜采集比較困難，本實(shí)驗(yàn)僅采用了小樣本實(shí)驗(yàn)，7個(gè)個(gè)體，每個(gè)個(gè)體分別有不同時(shí)辰的5張圖片，本系統(tǒng)的開發(fā)和還處在實(shí)驗(yàn)的初級(jí)階段。.第五章 終了語 大型動(dòng)物虹膜識(shí)別技術(shù)作為一種前沿性的食品溯源關(guān)鍵技術(shù)，初始運(yùn)用能夠存在本錢過高等問題，但是隨著研討的深化和設(shè)備的完善，將越來越顯現(xiàn)出其高效、穩(wěn)定、準(zhǔn)確的優(yōu)

28、勢(shì)，在食品平安領(lǐng)域發(fā)揚(yáng)著更為重要的作用。 1了解了食品可追溯系統(tǒng)和大型動(dòng)物虹膜識(shí)別技術(shù)的背景和現(xiàn)階段國內(nèi)外的開展情況。 2對(duì)大型豢養(yǎng)動(dòng)物虹膜識(shí)別的實(shí)現(xiàn)進(jìn)展了研討，采用虹膜識(shí)別作為大型動(dòng)物個(gè)體鑒別的關(guān)鍵技術(shù)，構(gòu)建了肉類食品可追溯源信息系統(tǒng)，系統(tǒng)采用虹膜編碼與分割批號(hào)、加工批號(hào)相結(jié)合轉(zhuǎn)化成電子編碼儲(chǔ)存于電子標(biāo)簽中的方式，實(shí)現(xiàn)活體與分割肉的信息銜接。從詳細(xì)技術(shù)實(shí)現(xiàn)和整體系統(tǒng)構(gòu)建兩個(gè)角度，對(duì)肉食品平安追溯進(jìn)展了詳細(xì)研討。 3在人眼虹膜識(shí)別的根底上，著重研討和掌握了大型動(dòng)物虹膜識(shí)別系統(tǒng)的中心算法，對(duì)其進(jìn)展了詳細(xì)實(shí)現(xiàn)，其中包括圖像的預(yù)處置、特征提取、二維Gabor濾波器的構(gòu)造、參數(shù)選擇、虹膜編碼以及Hamming間隔的計(jì)算等，經(jīng)過計(jì)算機(jī)程序?qū)崿F(xiàn)虹膜圖像的識(shí)別過程。. (4)在對(duì)大量牛眼圖像幾何特征進(jìn)展分析的根底上，提出了一種動(dòng)物虹膜定位算法。該算法第一步先閾值化分割圖像，對(duì)得到的二進(jìn)制位圖用改良的Sobe