食品供應(yīng)鏈可追溯系統(tǒng)模型

食品供應(yīng)鏈可追溯系統(tǒng)模型第1頁，課件共49頁，創(chuàng)作于2023年2月目錄第一章緒論第二章基于虹膜識別的肉類供應(yīng)鏈可追溯系統(tǒng)第三章大型動物虹膜圖像預(yù)處理算法第四章大型動物虹膜圖像的紋理特征提取和模式匹配算法第五章結(jié)束語

第2頁，課件共49頁，創(chuàng)作于2023年2月第一章緒論研究背景及意義近年來，一系列食品安全事件的發(fā)生以及人畜共患傳染病的爆發(fā)帶給人們極大的恐慌，越來越多的企業(yè)開始試圖降低生產(chǎn)過程中的風險，同時越來越多國家的消費者要求提供產(chǎn)品在食品供應(yīng)鏈中的流動情況，并對其進行跟蹤和追溯，一些發(fā)達國家已經(jīng)實施了食品安全追溯制度。

我國應(yīng)用于全程溯源的標簽技術(shù)只在有限的食品種類中的某些過程得到應(yīng)用，大型動物食品個體鑒別技術(shù)研究才剛剛起步?？偟膩碚f，我國的食品溯源技術(shù)嚴重不足，溯源系統(tǒng)還未得到廣泛應(yīng)用，嚴重影響了食品安全的風險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)的長期發(fā)展來看，研究出與國外接軌的準確、可行、快速、便捷的可追溯關(guān)鍵技術(shù)是十分必要的。整理發(fā)布第3頁，課件共49頁，創(chuàng)作于2023年2月本文是“十一五”國家科技支撐計劃重大項目“食品安全關(guān)鍵技術(shù)”——“食品污染溯源技術(shù)研究（2006BAK02A16）”和“超市食品安全的質(zhì)量控制技術(shù)研究（2006BAK02A28）”的研究成果。食品污染溯源技術(shù)研究課題，以關(guān)系國計民生和國際貿(mào)易的重要食品種類為研究對象，利用以電子標簽為核心的編碼技術(shù)、虹膜技術(shù)、同位素技術(shù)、DNA指紋技術(shù)等，建立大型動物食品個體鑒別技術(shù)、食品產(chǎn)地溯源技術(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)提供理論和技術(shù)支撐。第4頁，課件共49頁，創(chuàng)作于2023年2月相關(guān)文獻綜述肉類食品供應(yīng)鏈可追溯系統(tǒng)研究現(xiàn)狀

食品供應(yīng)鏈可追溯關(guān)鍵技術(shù)研究現(xiàn)狀

虹膜識別技術(shù)研究現(xiàn)狀

第5頁，課件共49頁，創(chuàng)作于2023年2月

本文主要研究內(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，首先討論了人眼虹膜識別技術(shù)應(yīng)用于大型動物識別在圖像采集、虹膜定位、特征提取三方面存在的技術(shù)難點，給出了實現(xiàn)動物虹膜識別的技術(shù)路線；最后構(gòu)建了基于虹膜識別的肉食品可追溯系統(tǒng)，并進行了詳細功能劃分和流程設(shè)計，為虹膜技術(shù)在肉食品可追溯系統(tǒng)中的應(yīng)用實施提供了參考。

第二部分（第三、四章）進行了了大型動物虹膜識別的算法研究與系統(tǒng)實現(xiàn)，以實地采集的大型動物眼睛圖片為基礎(chǔ)，從虹膜定位、歸一化、特征編碼及匹配幾個方面，進行了動物虹膜識別算法的研究。其中包括圖像的預(yù)處理、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距離的計算等，通過計算機程序?qū)崿F(xiàn)虹膜圖像的識別過程。第6頁，課件共49頁，創(chuàng)作于2023年2月大型動物虹膜識別算法體系VisualC++6.0編程實驗Matlab6.5濾波器仿真紋理特征編碼模式匹配圖像噪聲處理虹膜內(nèi)外邊緣定位虹膜分割及歸一化圖像增強虹膜圖像預(yù)處理虹膜特征提取和模式匹配人眼虹膜識別理論1-2論文研究框架圖基于虹膜識別的肉類食品可追溯系統(tǒng)計算機圖形學理論＋第7頁，課件共49頁，創(chuàng)作于2023年2月

第二章基于虹膜識別的肉類食品供應(yīng)鏈可追溯系統(tǒng)

研究食品供應(yīng)鏈可追溯系統(tǒng)的兩種思路通過構(gòu)建可追溯體制機制、法規(guī)標準的角度，各個國家通過強制性制度建設(shè)，建立健全食品可追溯系統(tǒng)模型；（2）通過對食品可追溯系統(tǒng)中關(guān)鍵技術(shù)的研究，加強食品供應(yīng)鏈可追溯的寬度、深度和準確度。食品供應(yīng)鏈可追溯關(guān)鍵技術(shù)是可追溯系統(tǒng)有效運作的核心所在，主要包括動物個體識別技術(shù)、現(xiàn)代信息網(wǎng)絡(luò)和通訊技術(shù)等，其中動物個體標識技術(shù)是可追溯關(guān)鍵技術(shù)體系的核心所在。目前國內(nèi)外采用的關(guān)鍵技術(shù)大體可分為三類：機械方法（烙鐵、紋身等）；電子方法（條形碼塑料耳標、電子紐扣式標簽、無線射頻識別等）；以及生物方法（DNA分型、眼虹膜識別、視網(wǎng)膜識別等）。其中無線射頻技術(shù)和生物學身份識別技術(shù)（如眼虹膜識別和DNA分型）是個體識別的一種新技術(shù)，未來發(fā)展?jié)摿薮?。?頁，課件共49頁，創(chuàng)作于2023年2月

大型動物虹膜識別技術(shù)

虹膜識別技術(shù)是屬于動物識別技術(shù)的一種，動物個體識別是肉食品可追溯系統(tǒng)的首要因素，是指利用特定的標簽，以某種技術(shù)手段與擬識別的動物相對應(yīng)，并能隨時對動物的相關(guān)安全信息進行跟蹤與管理，發(fā)生問題時，可以快速追溯到動物在食品鏈上經(jīng)過的各節(jié)點以及出生地的一種技術(shù)。參照發(fā)達國家實施的畜產(chǎn)品追溯系統(tǒng)與技術(shù)，綜合比較集中畜體標識技術(shù)的優(yōu)劣和發(fā)展趨勢，采用虹膜識別作為動物個體溯源的關(guān)鍵技術(shù)更為準確有效。

第9頁，課件共49頁，創(chuàng)作于2023年2月人眼虹膜識別系統(tǒng)

國外對虹膜識別研究較早，傳統(tǒng)的虹膜識別算法有Daugman和Wildes提出的識別算法。（1）Daugman系統(tǒng)：利用如下微積分算子（Integro-differentialoperator）來定位虹膜：

其中，是標準差為的高斯函數(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。整個算子的作用為一個以一定尺度的高斯函數(shù)模糊化的圓的邊緣檢測器，它在三維的參數(shù)空間迭代求最優(yōu)解。檢測眼瞼時積分路徑改為圓弧形，然后用統(tǒng)計方法判斷是否有眼瞼。特征抽取時采用Gabor濾波器的相位編碼算法，利用Gabor濾波器的局部性和方向性對虹膜紋理進行分解編碼，依據(jù)是Gabor小波具有與人類簡單視覺細胞相似的視覺特性，能夠很好地分析現(xiàn)實世界中的各種模式.

第10頁，課件共49頁，創(chuàng)作于2023年2月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，利用歸一化的海明距離（Hammingdistance）實現(xiàn)虹膜特征匹配。此方法是識別性能最好的方法。（2）Wildes系統(tǒng)：Wildes系統(tǒng)使用邊緣檢測與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找虹膜邊緣點，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)點被認為是高效的匹配濾波器工具，但是由于其計算量與參數(shù)空間成指數(shù)關(guān)系，因此這種方法的計算時間是一個不能忽視的問題，此外，當虹膜被睫毛及眼瞼遮擋的時候，這種方法的準確性會顯著下降。特征抽取使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的多分辨率技術(shù)，在不用尺度下計算給定的兩個虹膜圖像的歸一化相關(guān)系數(shù)，然后使用Fisher分類器進行分類，該方法本質(zhì)上是一種圖像匹配方法，缺點是計算復(fù)雜度高。第11頁，課件共49頁，創(chuàng)作于2023年2月目前大部分商用的虹膜識別系統(tǒng)都使用Daugman的核心算法，由于設(shè)計商業(yè)專利等問題，Daugman于算法的細節(jié)在公開發(fā)表的文獻中并沒有提及。大型動物虹膜識別存在的技術(shù)難點

（1）圖像采集問題：與人眼虹膜采集不同，動物很難在采集的過程中保持靜止不動，難以進行聚焦，獲取的圖像質(zhì)量較差，難以滿足識別要求。虹膜圖像采集是識別算法的平臺和基礎(chǔ)。以牛為代表的大型動物通常比較敏感，尤其是有陌生物品靠近它們時，它們幾乎在不停地擺動頭部同時轉(zhuǎn)動眼球，獲得大量的可用于識別的圖像是比較困難的。設(shè)計和開發(fā)出適合動物的圖像采集裝置，同時采用合適的質(zhì)量評價方法，用于排除不滿足識別要求的圖像，提高識別的準確率，是非常必要的。第12頁，課件共49頁，創(chuàng)作于2023年2月（2）牛眼虹膜定位問題：虹膜定位是虹膜圖像預(yù)處理過程中的重要環(huán)節(jié)。人眼虹膜定位算法大多是將瞳孔和虹膜看作兩個同心圓，利用圓的幾何特性來進行定位。與人的瞳孔呈近圓形不同，牛的瞳孔呈類橢圓形，因此，對牛眼虹膜的定位可能主要依靠邊緣檢測的方法進行。（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，通過對其進行特征提取轉(zhuǎn)換為編碼信息，實現(xiàn)唯一身份標識的目的。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虹膜外邊緣，需要選用特殊的特征提取編碼方法。第13頁，課件共49頁，創(chuàng)作于2023年2月大型動物虹膜識別技術(shù)實現(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)果個體虹膜注冊個體追溯圖像預(yù)處理圖像平滑處理虹膜定位圖像分割及歸一化圖像增強圖2-3大型動物虹膜識別技術(shù)路線第14頁，課件共49頁，創(chuàng)作于2023年2月本文所使用的算法按照上面的流程，本文對適合于大型動物虹膜識別的算法進行了詳細研究和實現(xiàn)，采用的算法如下：圖像預(yù)處理包括圖像二值化處理、邊緣檢測、虹膜定位、虹膜圖像歸一化。圖像二值化閾值變換邊緣檢測Sobel算子B樣條變換、Hough變換圖像歸一化極坐標變換圖像平滑定位虹膜內(nèi)外緣中值濾波第15頁，課件共49頁，創(chuàng)作于2023年2月

經(jīng)過系統(tǒng)預(yù)處理過后的圖像，把原圖像中部分虹膜區(qū)域經(jīng)過坐標變換，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。在應(yīng)用虹膜識別系統(tǒng)前，假設(shè)已經(jīng)建立了某一地區(qū)的大型動物虹膜庫，并且已經(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，通過對當前待識別動物虹膜編碼和虹膜庫中個體逐個進行Hamming距離計算，得到若干介于0與1之間的比例，利用事先通過試驗假定的識別閾值確定當前待識別動物個體是否和虹膜庫中某個體匹配。

計算Hamming距離與閾值比較圖像分塊圖像濾波特征編碼根據(jù)試驗精度要求2DGabor濾波模式匹配匹配不匹配輸出個體相關(guān)信息提示第16頁，課件共49頁，創(chuàng)作于2023年2月基于虹膜識別的肉類食品供應(yīng)鏈可追溯系統(tǒng)

系統(tǒng)的功能劃分及其功能描述

系統(tǒng)詳細流程

第17頁，課件共49頁，創(chuàng)作于2023年2月

、

、

第三章大型動物虹膜圖像預(yù)處理算法

虹膜圖像預(yù)處理是對獲取的虹膜原始圖像數(shù)據(jù)進行處理加工、去偽存真的過程。一般要進行平滑、虹膜定位、歸一化以及歸一化后的虹膜圖像增強步驟，其中虹膜定位是虹膜預(yù)處理算法的基礎(chǔ)的關(guān)鍵；歸一化處理可以使虹膜圖像大小標準化；圖像增強可以消除不均勻光照引起的圖像光強不均勻分布。圖像平滑處理

在拍攝的虹膜圖像上面，會帶有一些噪聲，尤其對于在室外進行的大型動物虹膜采集，會在圖像上形成大小不一的亮點；圖像數(shù)字化過程時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。這些噪聲會對提取虹膜邊界產(chǎn)生不利的影響，為了去除或者降低噪聲的干擾，在進行定位前需要對虹膜圖像進行處理。本文采用中值濾波的方法進行圖像平滑。中值濾波是抑制噪聲的非線性處理方法，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。

第18頁，課件共49頁，創(chuàng)作于2023年2月大型動物虹膜定位算法

虹膜內(nèi)外邊界的二值化分割和瞳孔中心位置的確定

采用二值化法的閾值分割技術(shù)，即灰度閾值分割法，就是簡單的用一個或幾個閾值將圖像的灰度直方圖分成幾個類，認為圖像中灰度值在同一個灰度類的像素屬于同一個物體。由于對牛眼虹膜圖像的采集通常在室外進行，通過對大量圖片的分析，在虹膜攝取過程中形成光斑是不可避免的，通常情況下，光斑的亮度比虹膜圖像的其他部分高。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，鞏膜與虹膜之間都形成了強烈的灰度對比，邊界線的梯度較大，容易找到邊界線。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離。

第19頁，課件共49頁，創(chuàng)作于2023年2月本文采用模式方法（modelmethod）來確定閾值，即在灰度直方圖中檢測出第一個明顯的谷的位置，利用其對應(yīng)的灰度值作為閾值進行分割，為了避免直方圖上某一點突變造成的影響，通常要求這個局部最大值和局部最小值對應(yīng)的灰度之間的間隔不小于一個最小值。在圖所示的灰度直方圖中，第一個峰值對應(yīng)的是虹膜區(qū)域灰度集中位置，因此本文在進行灰度分割的時候閾值應(yīng)該原則在第一個峰值的右側(cè)的谷底位置。經(jīng)過反復(fù)的實驗，對于本文所使用的圖片庫，閾值選擇在125，虹膜區(qū)域能夠被較好的分割出來，實驗結(jié)果如圖所示。第20頁，課件共49頁，創(chuàng)作于2023年2月

第21頁，課件共49頁，創(chuàng)作于2023年2月

虹膜圖像邊緣檢測

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。本文在進行邊緣檢測之前先進行了二值化處理，大大提高了邊緣檢測的準確性，使用上述算子都能得到較為理想的結(jié)果，所以選用更為準確迅速的Sobel算子進行邊緣檢測。

Sobel算子是一種帶方向選擇性的梯度算子，灰度變化較大的點出算得的值較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點的邊界強度，通過設(shè)置門限的方法，提取邊界的點集。第22頁，課件共49頁，創(chuàng)作于2023年2月

水平模板，對水平邊緣響應(yīng)最大；垂直模板，對垂直邊緣響應(yīng)最大。圖像中的每個點（除了模板罩不住的點）都用這兩個模板做卷積，兩個模板卷積的最大值作為該點的輸出值，其運算結(jié)果是一幅邊緣幅度圖像。本文在Sobel算子的基礎(chǔ)上利用衰減因子進行了改進,細化了圖像邊緣。

第23頁，課件共49頁，創(chuàng)作于2023年2月基于二次均勻B樣條曲線的虹膜內(nèi)邊界擬合

圖形學中，使用分段多項式差值來得到平滑曲線的這種曲線標識方法是十分普遍的，B樣條曲線擬合問題是指給定一組數(shù)據(jù)點，要求尋找一條B樣條曲線逼近或者是通過這些數(shù)據(jù)點。B樣條插值曲線的形狀不僅取決于給定的數(shù)據(jù)點，而且還受到曲線次數(shù)、數(shù)據(jù)點的參數(shù)化和節(jié)點向量的影響。

第24頁，課件共49頁，創(chuàng)作于2023年2月

基于Hough變換的虹膜外邊界定位

Hough變換是利用圖像的全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法。在預(yù)先知道區(qū)域形狀的條件下，利用Hough變換可以方便地得到邊界曲線，將不連續(xù)的邊緣像素點連接起來。Hough變換是將空間域的每個輪廓點代入?yún)?shù)方程，把對圖像的檢測問題轉(zhuǎn)化為參數(shù)空間的累計技術(shù)問題，若投票數(shù)超過某一門限，則認為有足夠多的圖像點位于該參數(shù)點所決定的曲線上。

第25頁，課件共49頁，創(chuàng)作于2023年2月如圖所示，由實驗結(jié)果可以看出，用二次B樣條定位內(nèi)邊界和用Hough變換定義內(nèi)邊界均能取得較好的效果，但是當瞳孔內(nèi)光斑較大或者瞳孔周圍小光斑較多的情況下，B樣條擬合就會出現(xiàn)不準確、速度慢等缺點，考慮到以上因素，本文最終選用Hough變換定義內(nèi)邊界的方法，Hough定位虹膜內(nèi)邊界的方法，使下面的歸一化處理更加方便易行。

第26頁，課件共49頁，創(chuàng)作于2023年2月虹膜圖像分割及歸一化從圖中我們發(fā)現(xiàn)：如果我們使用上述定位算法進行定位，因為包括牛眼在內(nèi)的許多動物眼睛，都不是正圓形，在定位時會包括一定的錯誤區(qū)域。但由于虹膜具有復(fù)雜的結(jié)構(gòu)，有很多不同的生物特征，在理論上只要有65%的虹膜存在就足夠用來做虹膜識別了，在人眼虹膜定位時，由于眼皮和睫毛的遮擋，常常直接去除那些可能被上下眼皮和睫毛覆蓋的區(qū)域，這樣不會影響到識別的結(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，具體方法如下：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)域為：

第27頁，課件共49頁，創(chuàng)作于2023年2月

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)域(RegionofInteresting,ROI)映射到相同的尺存和具有相同對應(yīng)關(guān)系的區(qū)域中，從而消除平移，縮放和旋轉(zhuǎn)對于虹膜識別的影響，也方便生成統(tǒng)一長度的特征編碼。

第28頁，課件共49頁，創(chuàng)作于2023年2月虹膜圖像最終歸一化形成尺寸為64*256的矩形虹膜圖像。

圖像增強

直方圖均衡化是用一個灰度變換函數(shù)對輸入直方圖作修正，使修正后的圖像直方圖趨于均勻，增大圖像灰度級的動態(tài)范圍，以達到增強圖像對比度的目的。

第29頁，課件共49頁，創(chuàng)作于2023年2月第四章大型動物虹膜圖像的紋理特征提取和模式匹配

虹膜表面呈現(xiàn)高低不平的放射狀排列、互相交錯的皺壁，構(gòu)成多數(shù)的隱溝。結(jié)構(gòu)上的高低變化，形成虹膜特有的紋理。虹膜紋理可提供的信息量大，具有高度的隨機性、穩(wěn)定性和不變性，其豐富的特征參量較指紋有過之而無不及，因而在應(yīng)用于識別的時候可靠性高。為了比較不同的虹膜，就要提取虹膜紋理的特征向量，如何在已經(jīng)獲得的歸一化和圖像增強之后的虹膜圖像的基礎(chǔ)上，高效的描述虹膜的紋理，抽取有效的特征，是基于虹膜的身份識別系統(tǒng)的關(guān)鍵部分。跟人眼相同，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)，形狀不規(guī)則。Gabor濾波器由于可以同時在時域和頻域獲得最佳的分辨率，具有很好的方向選擇性和頻率選擇性等特點，在圖像紋理分析中已獲得了成功的應(yīng)用。綜上原因，本文選擇了使用Gabor濾波的方法來提取牛眼虹膜紋理特征，在Daugman編碼思想的基礎(chǔ)上，對上面定位好的牛眼虹膜圖像進行了子塊分割，對每一個子塊使用49個Gabor濾波器進行濾波，提取虹膜特征并采取適當?shù)奶卣饔涗浄椒?，以此?gòu)成虹膜編碼，最后進行了模式匹配。第30頁，課件共49頁，創(chuàng)作于2023年2月基于2D-Gabor小波的牛眼虹膜紋理提取2D-Gabor函數(shù)

第31頁，課件共49頁，創(chuàng)作于2023年2月從圖中可以明顯看出Gabor濾波器的方向和頻率選擇性，通過調(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局部化特征，如方向選擇性和頻率選擇性。第32頁，課件共49頁，創(chuàng)作于2023年2月Daugman的傳統(tǒng)編碼方法

Daugman采用了Gabor變換的極坐標形式對虹膜圖像進行編碼。Gabor變換的極坐標形式如式。

Daugman算法采用了他用了1024個這樣的小波，每一個小波就是一些具有特定大小、位置參數(shù)的簡單的復(fù)2DGabor函數(shù)。這樣，在系統(tǒng)中依靠一個Gabor濾波族，作為一種局部紋理的粗量化器，形成（，），每個圖像塊的編碼用實部+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的文獻中說適合實際應(yīng)用，效果良好。但是對算法的具體實現(xiàn)和參數(shù)選擇Daugman并沒有說明。第33頁，課件共49頁，創(chuàng)作于2023年2月基于子塊紋理分析的Gabor濾波器方法

第34頁，課件共49頁，創(chuàng)作于2023年2月

在本實驗中，將歸一化后的的虹膜劃分為256個子塊(如圖所示)，每個子塊大小為，通過49組Gabor進行濾波。Gabor濾波器共有6個參數(shù)，這些參數(shù)相互制約，相互影響，在構(gòu)造Gabor濾波器的時候。，參數(shù)的選擇很重要，直接影響到識別的結(jié)果。第35頁，課件共49頁，創(chuàng)作于2023年2月決定著Gabor的定位位置。為了精確的獲得虹膜圖像的各個部分的紋理信息，位置參數(shù)應(yīng)該選擇密集一些的，但是過于密集會有信息冗余，影響系統(tǒng)的計算速度，過于稀疏又難以將圖像的紋理特征準確的提取。本實驗中將虹膜圖像的有效區(qū)域劃分為256個子塊，每個子塊的中心點即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。第36頁，課件共49頁，創(chuàng)作于2023年2月第37頁，課件共49頁，創(chuàng)作于2023年2月

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，目前公開的文獻中對于濾波器參數(shù)的選擇都沒有給出，由于圖像的性質(zhì)尺寸對尺度參數(shù)的選擇也有很大的影響，我們只能通過大量的實驗確定最佳參數(shù)。下圖是取不同方向和頻率的Gabor濾波器實部的波形。第38頁，課件共49頁，創(chuàng)作于2023年2月第39頁，課件共49頁，創(chuàng)作于2023年2月最后，得到的虹膜代碼長度=（濾波器編號+實虛部）圖像高圖像寬/子圖像的大小=

第40頁，課件共49頁，創(chuàng)作于2023年2月基于HAMMING距離的模式匹配

Hammin距離是通過統(tǒng)計兩個模板上對應(yīng)位編碼不同的個數(shù)占總模板位數(shù)的比例作為這兩個模板之間的距離，距離越小表明兩模板越匹配。本文采用的便是基于比較兩虹膜編碼的海明距離來實現(xiàn)模式匹配，該方法簡單易用，計算量小，足以滿足虹膜識別的匹配要求。

設(shè)虹膜代碼長為L，虹膜編碼A和B歸一化的海明距為：識別結(jié)果與分析

第41頁，課件共49頁，創(chuàng)作于2023年2月

實驗所用圖像由上海通大學研制的非接觸式虹膜采集設(shè)備得到，圖片為分辨率為320×240的8位灰度圖，實驗在CPU為AMD3200+的計算機上進行，使用VisualC++6.0對文中所用算法編程實現(xiàn)。本實驗進行了35幅牛眼虹膜圖像的小樣本實驗，這35幅均是在一天中同一時刻不同的采集者，每幅圖像都是8位的灰度圖像，以下是對圖像預(yù)處理后的虹膜紋理圖像進行特征提取的結(jié)果。用上面的算法對對35個樣本編碼后得到一組2048bit的虹膜編碼，計算同一采集者在不同時刻虹膜編碼的Hamming距離不同采集者,之間虹膜編碼Hamming距離。

第42頁，課件共49頁，創(chuàng)作于2023年2月

第43頁，課件共49頁，創(chuàng)作于2023年2月可以看出，同一個體不同時刻采集的圖像之間的Hamming距離相比較小，而不同個體之間虹膜圖像的Hamming距離大都要大于兩個相同虹膜編碼的HD，相同虹膜編碼的HD在（0，0.1752930）范圍內(nèi)，其均值約為（0.113721），其中有幾個值為0.1752930，誤差較大導(dǎo)致錯誤的原因可能有：圖像采集時外界噪聲的影響，圖像預(yù)處理中閾值的取值；不同個體之間的HD在（0.1650391，0.2319336）之間，平均值為0.204032。在本實驗中，將識別閾值設(shè)為0.15。此時識別率為93%。由于對大型動物的虹膜采集比較困難，本實驗僅采用了小樣本實驗，7個個體，每個個體分別有不同時刻的5張圖片，本系統(tǒng)的開發(fā)和還處在實驗的初級階段。第44頁，課件共49頁，創(chuàng)作于2023年2月第五章結(jié)束語大型動物虹膜識別技術(shù)作為一種前沿性的食品溯源關(guān)鍵技術(shù)，初始使用可能存在成本過高等問題，但是隨著研究的深入和設(shè)備的完善，將越來越顯現(xiàn)出其高效、穩(wěn)定、精確的優(yōu)勢，在食品安全領(lǐng)域發(fā)揮著更為重要的作用。（1）了解了食品可追溯系統(tǒng)和大型動物虹膜識別技術(shù)的背景和現(xiàn)階段國內(nèi)外的發(fā)展狀況。（2）對大型飼養(yǎng)動物虹膜識別的實現(xiàn)進行了研究，采用虹膜識別作為大型動物個體鑒別的關(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、加工批號相結(jié)合轉(zhuǎn)化成電子編碼儲存于電子標簽中的方式，實現(xiàn)活體與分割肉的信息銜接。從具體技術(shù)實現(xiàn)和整體系統(tǒng)構(gòu)建兩個角度，對肉食品安全追溯進行了詳細研究。（3）在人眼虹膜識別的基礎(chǔ)上，著重研究和掌握了大型動物虹膜識別系統(tǒng)的核心算法，對其進行了具體實現(xiàn)，其中包括圖像的預(yù)處理、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距離的計算等，通過計算機程序?qū)崿F(xiàn)虹膜圖像的識別過程。第45頁，課件共49頁，創(chuàng)作于2023年2月

(4)在對大量牛眼圖像幾何特征進行分析的基