指靜脈識別作為一種新的生物識別技術(shù),因其具有高度防偽、無接觸性、難竊取性等優(yōu)勢受到越來越廣泛的關注。但基于傳統(tǒng)圖像處理的指靜脈識別算法通常對圖像的成像質(zhì)量及手指姿態(tài)變化較為敏感,難提取具有魯棒性的靜脈特征。而基于深度學習的指靜脈識別算法提取的靜脈特征不足以表達紋理結(jié)構(gòu)復雜的靜脈信息,并且常用的距離度量算法主要是將特征之間的距離或方向角度作為特征的相似度,這樣的度量算法不能從結(jié)構(gòu)本質(zhì)上進行特征相似度度量。為了解決基于深度學習的指靜脈識別算法提取靜脈特征信息不足的問題。本文提出了一種基于擴展卷積神經(jīng)網(wǎng)絡與度量學習的指靜脈識別算法。此外,為了彌補常用的距離度量算法不能有效地度量靜脈特征之間相似度的問題,本文采用了 Wasserstein距離度量算法。論文的主要研究內(nèi)容概括如下:（1）通過分析傳統(tǒng)卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network,ConvNet）提取靜脈特征信息不足的問題,本文首先,構(gòu)建提取指靜脈特征的學習網(wǎng)絡,該網(wǎng)絡通過擴展ConvNet網(wǎng)絡寬度和深度來提高網(wǎng)絡提取靜脈特征的表達能力。其次,根據(jù)構(gòu)建的學習網(wǎng)絡設計合理的損失函數(shù),本文使用TriHard度量... 

【文章來源】：浙江理工大學浙江省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

圖２．１指靜脈采集儀以及采集的靜脈圖像??

浙江理工大學碩士學位論文?基于擴展卷積神經(jīng)網(wǎng)絡與度量學習的指靜脈識別系統(tǒng)實現(xiàn)??（ａ）男性手指靜脈圖?（ｂ）女性手指靜脈圖??圖２．２男性女性靜脈圖像對比??如圖２．３所示，運動后與運動前靜脈圖像相差也較大，這是由于運動后血液流動快，??靜脈血管擴大，導致采集到的靜脈圖像清晰。??（ａ）運動前的指靜脈圖像?（ｂ）運動后的指靜脈圖像??圖２．３運動前后靜脈圖像對比??如圖２．４所示，采集時造成的圖像過度曝光，這是因為手指過分的偏向一則，或是手??指太纖細造成的。??Ｉ?，：?｜｜?ｆｊ??Ｕ）正常靜脈圖?（ｂ）偏向一側(cè)靜脈圖??圖２．４正常靜脈圖和偏向一側(cè)靜脈圖??采集到清晰的圖像之后，指靜脈圖像中會包含很多與靜脈信息無關的區(qū)域，并且圖像??６??

浙江理工大學碩士學位論文?基于擴展卷積神經(jīng)網(wǎng)絡與度量學習的指靜脈識別系統(tǒng)實現(xiàn)??中存在大量的噪聲，因此需要對指靜脈圖像進行預處理操作。??２．２指靜脈圖像預處理??由于在采集指靜脈時手指的放置具有不固定性，這將導致采集的圖像會有一定的位置??偏移、旋轉(zhuǎn)、變形等問題。所以為了保證后續(xù)提取的特征不受影響，需要對指靜脈圖像進??行ＲＯＩ提取以及圖像的旋轉(zhuǎn)矯正。針對此問題，本文提出了一種指靜脈ＲＯＩ提取算法，具??體ＲＯＩ提取流程如圖２．５所示。??ｍｍｍｍｍｍ??（ａ）?Ｏｒｉｇｉｎａｌ?（ｂ）?Ｅｄｇｅ?（ｃ）?Ａｎｇｌｅ??Ｅｍ＾Ｍｍｍ３４?ｆｃ??（ｆ）??（ｄ）?Ｒｏｔａｔｅ?（ｅ）?Ｉｎｎｅｒ?ｃｕｔ??圖２．５?ＲＯＩ提取??首先，對指靜脈原圖像進行灰度化處理，然后通過拉伸的Ｓｏｂｅｌ算子（如表２．１?（ａ，?ｂ）??所示）檢測手指邊緣，使用最小二乘法對手指邊緣線進行線性擬合和斷線連接得到較清晰??的邊緣圖（如圖２．５?（ｂ）所示），其次，根據(jù)邊緣圖中的兩條手指邊緣線得到手指中線，??利用中線與水平線之間的夾角矯正原圖和邊緣圖，再次，在矯正后的邊緣圖上根據(jù)邊緣線??確定ＲＯＩ區(qū)域的內(nèi)切線（如圖２．５?（ｅ）所示），使用此內(nèi)切線在矯正后的原圖像上切割得??到ＲＯＩ圖像（如圖２．５?（ｆ）所示），最后，將提取出的ＲＯＩ圖像進行對比度拉伸，并歸一??化為３１４ｘ１２２像素點的圖像。ＭＭＣＢＮＵ＿６０００數(shù)據(jù)集的ＲＯＩ圖像提取過程中如圖２．５所示，??ＦＶ－ＵＳＭ數(shù)據(jù)集的處理過程類似。??表２．１拉伸的Ｓｏｂｅｌ算子??－１?－１?ｉ?－１?－１??￣￣?〇?Ｉ?〇?［?…?．ｉ?〇?—

【參考文獻】：
期刊論文
[1]基于SSH框架的指靜脈考勤管理系統(tǒng)[J]. 陳如明,洪軼群.  網(wǎng)絡安全技術(shù)與應用. 2019(05)
[2]基于無線通信與生物識別技術(shù)的智能控制系統(tǒng)設計[J]. 亓相濤,李黛月.  信息與電腦(理論版). 2018(23)
[3]Marginalized cubature Kalman filtering algorithm based on linear/nonlinear mixed-Gaussian model[J]. 胡玉梅,Hu Zhentao,Jin Yong.  High Technology Letters. 2018(04)
[4]基于梯度二階導數(shù)的Canny閾值自適應選取算法[J]. 趙婭琳,陶青川,盧倩雯,劉蔓霄.  科學技術(shù)與工程. 2018(14)
[5]生物識別技術(shù)綜述[J]. 李鵬飛,淡美俊,姚宇顫.  電子制作. 2018(10)
[6]單幅近紅外手掌圖像掌靜脈和掌紋多特征識別[J]. 李俊林,王華彬,陶亮.  計算機工程與應用. 2018(09)
[7]一種自適應中值梯度倒數(shù)加權(quán)的圖像濾波算法[J]. 王志軍,于之靖,馬凱,吳軍,諸葛晶昌.  激光與光電子學進展. 2017(12)
[8]指靜脈識別研究綜述[J]. 尹義龍,楊公平,楊璐.  數(shù)據(jù)采集與處理. 2015(05)
[9]可計算一般均衡模型及其LCP范式研究[J]. 秦昌才,周健,張曉微.  統(tǒng)計與決策. 2013(10)
[10]基于方向濾波的指紋圖像增強算法的研究[J]. 張彤,楊秀坤.  哈爾濱商業(yè)大學學報(自然科學版). 2012(05)

碩士論文
[1]基于生物特征識別的手機支付系統(tǒng)設計和實現(xiàn)[D]. 劉利華.哈爾濱工業(yè)大學 2017



本文編號：2964794