基于深度学习的手指静脉识别算法研究
发布时间：2023-01-31 04:57
手指静脉识别是指在近红外光下获取手指静脉纹路,以此作为生物特征的一种身份验证技术。与传统的生物识别技术相比,该方法具有显著的优势。传统的手指静脉识别技术大多依赖基于各种数学假设的手工设计特征,经验定义和人为干预会带来误差。从卷积神经网络中学习到的深度特征具有良好的泛化和表达能力,但其局限于建模更大、更复杂的静脉特征,且没有考虑手指静脉像素的空间依赖关系。针对以上问题,本文做了以下几方面的工作:1.提出一种改进的ROI提取方法和标签制作方法。针对部分数据集存在的像素缺失现象,本文在常规的ROI提取流程中,额外加入滑动窗口求像素和的方法进行筛选,并利用自建工具手动调整,该方法具有一定的通用性且对静脉缺失图像鲁棒。针对当前标签制作不能很好地利用基准分割的优势,本文赋予传统基线不同权重来分配标签,该方法比单纯融合标签、组合标签更为精准,且更符合实际应用情况。2.提出一种基于全卷积神经网络和条件随机场的手指静脉分割算法。针对当前的卷积神经网络缺乏处理固定几何变换的内部机制和鼓励相邻像素间边缘、外观、空间一致性的平滑约束等问题,本文综合了循环神经网络、残差神经网络、可变形卷积网络、条件随机场的优势...
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 国内外研究现状
1.3.1 指静脉图像采集
1.3.2 指静脉图像预处理
1.3.3 指静脉特征提取
1.3.4 指静脉匹配识别
1.4 论文的主要工作
1.5 论文的组织结构
2 图像预处理和标签制作
2.1 本文使用的公开指静脉数据集
2.2 图像预处理
2.2.1 基于SDU-FV数据集的ROI提取方法
2.2.2 基于HKPU数据集的ROI提取方法
2.2.3 图像增强
2.3 标签制作
2.4 本章小结
3 基于全卷积神经网络和条件随机场的手指静脉分割
3.1 基础网络架构
3.1.1 U-Net网络
3.1.2 可变形卷积
3.1.3 残差循环卷积
3.1.4 条件随机场
3.2 基于全卷积神经网络和条件随机场的手指静脉分割
3.3 手指静脉分割实验
3.3.1 实验设置
3.3.2 性能评价指标
3.4 实验结果及分析
3.4.1 基于SDU-FV数据集的手指静脉分割
3.4.2 基于MMCBNU数据集的手指静脉分割
3.4.3 基于HKPU数据集的手指静脉分割
3.5 本章小结
4 基于级联优化IU-Net的手指静脉验证
4.1 基础网络架构
4.1.1 深度对于网络性能的影响
4.1.2 宽度对于网络性能的影响
4.2 改进网络架构
4.2.1 IU-Net网络架构
4.2.2 级联优化网络框架
4.3 手指静脉验证实验
4.3.1 实验设置
4.3.2 损失函数策略
4.4 实验结果及分析
4.4.1 欠采样训练
4.4.2 损失函数验证
4.4.3 AWCE和 GHCE训练
4.4.4 分类网络预训练
4.4.5 级联优化训练
4.5 本章小结
结论
参考文献
作者简历及攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]级联优化CNN的手指静脉图像质量评估[J]. 曾军英,谌瑶,秦传波,甘俊英,翟懿奎,冯武林. 中国图象图形学报. 2019(06)
[2]基于CLAHE变换的低对比度图像增强改进算法[J]. 张璞,王英,王苏苏. 青岛大学学报(工程技术版). 2011(04)
[3]基于相对距离和角度的手指静脉识别方法[J]. 王科俊,刘靖宇. 华中科技大学学报(自然科学版). 2011(05)
[4]手指静脉图像增强算法研究[J]. 高晓燕,马军山,吴佳杰. 光学仪器. 2010(04)
[5]Finger vein recognition using weighted local binary pattern code based on a support vector machine[J]. Hyeon Chang LEE,Byung Jun KANG,Eui Chul LEE,Kang Ryoung PARK. Journal of Zhejiang University-Science C（Computer ＆ Electronics）. 2010(07)
[6]基于CLAHE和top-hat变换的手背静脉图像增强算法[J]. 赵建军,熊馨,张磊,付腾,赵龑骧. 激光与红外. 2009(02)
[7]基于小波去噪和直方图模板均衡化的手指静脉图像增强[J]. 温学兵,赵江魏,梁学章. 吉林大学学报(理学版). 2008(02)
硕士论文
[1]手指静脉图像质量评估及其识别算法研究[D]. 谌瑶.五邑大学 2019
[2]基于深度学习的指静脉识别算法研究[D]. 唐溯.华南理工大学 2018
[3]具备抗旋转能力的指静脉识别算法研究[D]. 李德健.华南理工大学 2017
[4]指静脉识别算法及其密码应用[D]. 俞云.杭州电子科技大学 2017
本文编号：3733734
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 国内外研究现状
1.3.1 指静脉图像采集
1.3.2 指静脉图像预处理
1.3.3 指静脉特征提取
1.3.4 指静脉匹配识别
1.4 论文的主要工作
1.5 论文的组织结构
2 图像预处理和标签制作
2.1 本文使用的公开指静脉数据集
2.2 图像预处理
2.2.1 基于SDU-FV数据集的ROI提取方法
2.2.2 基于HKPU数据集的ROI提取方法
2.2.3 图像增强
2.3 标签制作
2.4 本章小结
3 基于全卷积神经网络和条件随机场的手指静脉分割
3.1 基础网络架构
3.1.1 U-Net网络
3.1.2 可变形卷积
3.1.3 残差循环卷积
3.1.4 条件随机场
3.2 基于全卷积神经网络和条件随机场的手指静脉分割
3.3 手指静脉分割实验
3.3.1 实验设置
3.3.2 性能评价指标
3.4 实验结果及分析
3.4.1 基于SDU-FV数据集的手指静脉分割
3.4.2 基于MMCBNU数据集的手指静脉分割
3.4.3 基于HKPU数据集的手指静脉分割
3.5 本章小结
4 基于级联优化IU-Net的手指静脉验证
4.1 基础网络架构
4.1.1 深度对于网络性能的影响
4.1.2 宽度对于网络性能的影响
4.2 改进网络架构
4.2.1 IU-Net网络架构
4.2.2 级联优化网络框架
4.3 手指静脉验证实验
4.3.1 实验设置
4.3.2 损失函数策略
4.4 实验结果及分析
4.4.1 欠采样训练
4.4.2 损失函数验证
4.4.3 AWCE和 GHCE训练
4.4.4 分类网络预训练
4.4.5 级联优化训练
4.5 本章小结
结论
参考文献
作者简历及攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]级联优化CNN的手指静脉图像质量评估[J]. 曾军英,谌瑶,秦传波,甘俊英,翟懿奎,冯武林. 中国图象图形学报. 2019(06)
[2]基于CLAHE变换的低对比度图像增强改进算法[J]. 张璞,王英,王苏苏. 青岛大学学报(工程技术版). 2011(04)
[3]基于相对距离和角度的手指静脉识别方法[J]. 王科俊,刘靖宇. 华中科技大学学报(自然科学版). 2011(05)
[4]手指静脉图像增强算法研究[J]. 高晓燕,马军山,吴佳杰. 光学仪器. 2010(04)
[5]Finger vein recognition using weighted local binary pattern code based on a support vector machine[J]. Hyeon Chang LEE,Byung Jun KANG,Eui Chul LEE,Kang Ryoung PARK. Journal of Zhejiang University-Science C（Computer ＆ Electronics）. 2010(07)
[6]基于CLAHE和top-hat变换的手背静脉图像增强算法[J]. 赵建军,熊馨,张磊,付腾,赵龑骧. 激光与红外. 2009(02)
[7]基于小波去噪和直方图模板均衡化的手指静脉图像增强[J]. 温学兵,赵江魏,梁学章. 吉林大学学报(理学版). 2008(02)
硕士论文
[1]手指静脉图像质量评估及其识别算法研究[D]. 谌瑶.五邑大学 2019
[2]基于深度学习的指静脉识别算法研究[D]. 唐溯.华南理工大学 2018
[3]具备抗旋转能力的指静脉识别算法研究[D]. 李德健.华南理工大学 2017
[4]指静脉识别算法及其密码应用[D]. 俞云.杭州电子科技大学 2017
本文编号：3733734
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3733734.html