手指靜脈識別是指在近紅外光下獲取手指靜脈紋路,以此作為生物特征的一種身份驗證技術。與傳統(tǒng)的生物識別技術相比,該方法具有顯著的優(yōu)勢。傳統(tǒng)的手指靜脈識別技術大多依賴基于各種數(shù)學假設的手工設計特征,經(jīng)驗定義和人為干預會帶來誤差。從卷積神經(jīng)網(wǎng)絡中學習到的深度特征具有良好的泛化和表達能力,但其局限于建模更大、更復雜的靜脈特征,且沒有考慮手指靜脈像素的空間依賴關系。針對以上問題,本文做了以下幾方面的工作:1.提出一種改進的ROI提取方法和標簽制作方法。針對部分數(shù)據(jù)集存在的像素缺失現(xiàn)象,本文在常規(guī)的ROI提取流程中,額外加入滑動窗口求像素和的方法進行篩選,并利用自建工具手動調(diào)整,該方法具有一定的通用性且對靜脈缺失圖像魯棒。針對當前標簽制作不能很好地利用基準分割的優(yōu)勢,本文賦予傳統(tǒng)基線不同權重來分配標簽,該方法比單純?nèi)诤蠘撕�、組合標簽更為精準,且更符合實際應用情況。2.提出一種基于全卷積神經(jīng)網(wǎng)絡和條件隨機場的手指靜脈分割算法。針對當前的卷積神經(jīng)網(wǎng)絡缺乏處理固定幾何變換的內(nèi)部機制和鼓勵相鄰像素間邊緣、外觀、空間一致性的平滑約束等問題,本文綜合了循環(huán)神經(jīng)網(wǎng)絡、殘差神經(jīng)網(wǎng)絡、可變形卷積網(wǎng)絡、條件隨機場的優(yōu)勢... 

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 研究目的及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 指靜脈圖像采集
        1.3.2 指靜脈圖像預處理
        1.3.3 指靜脈特征提取
        1.3.4 指靜脈匹配識別
    1.4 論文的主要工作
    1.5 論文的組織結構
2 圖像預處理和標簽制作
    2.1 本文使用的公開指靜脈數(shù)據(jù)集
    2.2 圖像預處理
        2.2.1 基于SDU-FV數(shù)據(jù)集的ROI提取方法
        2.2.2 基于HKPU數(shù)據(jù)集的ROI提取方法
        2.2.3 圖像增強
    2.3 標簽制作
    2.4 本章小結
3 基于全卷積神經(jīng)網(wǎng)絡和條件隨機場的手指靜脈分割
    3.1 基礎網(wǎng)絡架構
        3.1.1 U-Net網(wǎng)絡
        3.1.2 可變形卷積
        3.1.3 殘差循環(huán)卷積
        3.1.4 條件隨機場
    3.2 基于全卷積神經(jīng)網(wǎng)絡和條件隨機場的手指靜脈分割
    3.3 手指靜脈分割實驗
        3.3.1 實驗設置
        3.3.2 性能評價指標
    3.4 實驗結果及分析
        3.4.1 基于SDU-FV數(shù)據(jù)集的手指靜脈分割
        3.4.2 基于MMCBNU數(shù)據(jù)集的手指靜脈分割
        3.4.3 基于HKPU數(shù)據(jù)集的手指靜脈分割
    3.5 本章小結
4 基于級聯(lián)優(yōu)化IU-Net的手指靜脈驗證
    4.1 基礎網(wǎng)絡架構
        4.1.1 深度對于網(wǎng)絡性能的影響
        4.1.2 寬度對于網(wǎng)絡性能的影響
    4.2 改進網(wǎng)絡架構
        4.2.1 IU-Net網(wǎng)絡架構
        4.2.2 級聯(lián)優(yōu)化網(wǎng)絡框架
    4.3 手指靜脈驗證實驗
        4.3.1 實驗設置
        4.3.2 損失函數(shù)策略
    4.4 實驗結果及分析
        4.4.1 欠采樣訓練
        4.4.2 損失函數(shù)驗證
        4.4.3 AWCE和 GHCE訓練
        4.4.4 分類網(wǎng)絡預訓練
        4.4.5 級聯(lián)優(yōu)化訓練
    4.5 本章小結
結論
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果


【參考文獻】：
期刊論文
[1]級聯(lián)優(yōu)化CNN的手指靜脈圖像質(zhì)量評估[J]. 曾軍英,諶瑤,秦傳波,甘俊英,翟懿奎,馮武林.  中國圖象圖形學報. 2019(06)
[2]基于CLAHE變換的低對比度圖像增強改進算法[J]. 張璞,王英,王蘇蘇.  青島大學學報(工程技術版). 2011(04)
[3]基于相對距離和角度的手指靜脈識別方法[J]. 王科俊,劉靖宇.  華中科技大學學報(自然科學版). 2011(05)
[4]手指靜脈圖像增強算法研究[J]. 高曉燕,馬軍山,吳佳杰.  光學儀器. 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變換的手背靜脈圖像增強算法[J]. 趙建軍,熊馨,張磊,付騰,趙龑驤.  激光與紅外. 2009(02)
[7]基于小波去噪和直方圖模板均衡化的手指靜脈圖像增強[J]. 溫學兵,趙江魏,梁學章.  吉林大學學報(理學版). 2008(02)

碩士論文
[1]手指靜脈圖像質(zhì)量評估及其識別算法研究[D]. 諶瑤.五邑大學 2019
[2]基于深度學習的指靜脈識別算法研究[D]. 唐溯.華南理工大學 2018
[3]具備抗旋轉能力的指靜脈識別算法研究[D]. 李德健.華南理工大學 2017
[4]指靜脈識別算法及其密碼應用[D]. 俞云.杭州電子科技大學 2017



本文編號：3733734