生物特征識(shí)別技術(shù)是通過(guò)分析研究不同生物個(gè)體之間的生理特征或者行為特征區(qū)別,從而實(shí)現(xiàn)身份認(rèn)證的一種技術(shù)。虹膜識(shí)別技術(shù)由于其唯一性、穩(wěn)定性、防偽性等優(yōu)點(diǎn),被認(rèn)為是最有發(fā)展前景的生物識(shí)別技術(shù)。本文針對(duì)虹膜識(shí)別中的虹膜區(qū)域定位、虹膜真?zhèn)舞b別、虹膜特征匹配三個(gè)方面遇到的問(wèn)題和相關(guān)算法進(jìn)行分析、研究。主要工作總結(jié)如下:（1）針對(duì)現(xiàn)有虹膜定位算法容易受到光斑和眼鏡邊緣等信息干擾,導(dǎo)致虹膜定位失敗的問(wèn)題,提出了改進(jìn)的邊緣定位算法。通過(guò)對(duì)Hough變換結(jié)果進(jìn)行加權(quán)處理,同時(shí)建立權(quán)值計(jì)算模型,從而降低無(wú)關(guān)邊緣信息對(duì)定位過(guò)程的影響;有效地克服瞳孔光斑和眼鏡干擾,提高虹膜定位準(zhǔn)確率。（2）針對(duì)不法分子偽造虹膜信息欺騙虹膜識(shí)別系統(tǒng)的問(wèn)題,提出了一種多分塊閾值分類卷積神經(jīng)網(wǎng)絡(luò)虹膜真?zhèn)舞b別模型。通過(guò)對(duì)虹膜數(shù)據(jù)子塊分割,分別對(duì)每個(gè)子塊進(jìn)行真?zhèn)涡耘袛?然后根據(jù)閾值結(jié)合子塊真?zhèn)闻袛嘟Y(jié)果對(duì)虹膜進(jìn)行真?zhèn)舞b別。在一定程度上提升神經(jīng)網(wǎng)絡(luò)模型的鑒別準(zhǔn)確率。（3）針對(duì)虹膜特征匹配問(wèn)題,提出了基于卷積神經(jīng)網(wǎng)絡(luò)的虹膜特征自動(dòng)學(xué)習(xí)模型。通過(guò)ROI信息提取減少神經(jīng)網(wǎng)絡(luò)訓(xùn)練成本,訓(xùn)練得到可以自動(dòng)學(xué)習(xí)虹膜特征的網(wǎng)絡(luò)模型,結(jié)合Euclidean距... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ROC曲線示意圖

法簡(jiǎn)介初，人們就希望利用計(jì)算機(jī)計(jì)算速度快、計(jì)算結(jié)果準(zhǔn)確、重特定的任務(wù)。比如，統(tǒng)計(jì)一本書(shū)里每個(gè)單詞出現(xiàn)的次數(shù)或者著計(jì)算機(jī)使用的不斷深入，出現(xiàn)了一些人類解決很簡(jiǎn)單但是括自然語(yǔ)言的翻譯、語(yǔ)音識(shí)別、圖像識(shí)別等。想要讓計(jì)算機(jī)往需要巨量的先驗(yàn)知識(shí)來(lái)讓計(jì)算機(jī)可以枚舉各種可能的情況因此在人工智能發(fā)展初期，應(yīng)用場(chǎng)景被嚴(yán)格限制，在某些特智能，比如擊敗國(guó)際象棋大師卡斯帕羅夫的深藍(lán)。為了解決和深度學(xué)習(xí)的概念應(yīng)運(yùn)而生。法一般包含若干個(gè)不同層次神經(jīng)元，這些神經(jīng)元按照作用不同個(gè)輸出層。輸入層主要負(fù)責(zé)數(shù)據(jù)的輸入，隱藏層作用是對(duì)輸輸出層主要用于輸出神經(jīng)網(wǎng)絡(luò)的計(jì)算結(jié)果。圖 2-3 展示了輸入層 隱藏層 輸出層

第二章 相關(guān)技術(shù)介紹層。卷積層是網(wǎng)絡(luò)結(jié)構(gòu)中最為重要的部分，卷積層的本質(zhì)是一個(gè)數(shù)據(jù)過(guò)器將當(dāng)前層數(shù)據(jù)的一個(gè)子矩陣轉(zhuǎn)化成一個(gè)單位節(jié)點(diǎn)矩陣，單位節(jié)點(diǎn)矩陣不限的矩陣。常見(jiàn)的過(guò)濾器尺寸有3 3或5 5，對(duì)于層次靠前的卷積層而更快的提取圖像特征。對(duì)于靠近輸出層的卷積層，此時(shí)處理數(shù)據(jù)為維息，一般指定較小的卷積核從而盡可能的保留整體紋理信息。前向傳播過(guò)程即為通過(guò)子矩陣卷積計(jì)算得到單位節(jié)點(diǎn)矩陣的過(guò)程。首先器卷積計(jì)算，然后對(duì)卷積結(jié)果加上一個(gè)偏置量便得到卷積層數(shù)據(jù)。其過(guò) n n 1nj i ij ni jX f X w b 是網(wǎng)絡(luò)層數(shù)，w 為卷積濾波器參數(shù)，nb 為偏置量， f ( x) 為激活函數(shù)。圖，卷積過(guò)程中將 的原始信息經(jīng)過(guò)2 2的卷積核，最終得到 的8 16

【參考文獻(xiàn)】：
期刊論文
[1]基于矢量場(chǎng)卷積的虹膜定位[J]. 馬義德,周麗君,李園.  紅外與激光工程. 2014(10)
[2]基于改進(jìn)粒子群的虹膜定位算法[J]. 鄒德旋,王鑫,陳傳虎,段納.  光學(xué)精密工程. 2014(04)

博士論文
[1]虹膜定位和識(shí)別算法的研究[D]. 陳英.吉林大學(xué) 2014

碩士論文
[1]基于深度學(xué)習(xí)的虹膜圖像加密與活體檢測(cè)算法研究[D]. 張慶.中國(guó)礦業(yè)大學(xué) 2017



本文編號(hào)：3242779