靜脈信息編碼與辨識(shí)

目錄
前言
1緒論 1
1.1手部多源信息認(rèn)證的研究意義 1
1.2生物特征識(shí)別技術(shù) 2
1.2.1生物特征識(shí)別技術(shù)概況 2
1.2.2生物特征識(shí)別系統(tǒng)性能評(píng)價(jià)準(zhǔn)則 5
1.3靜脈識(shí)別研究現(xiàn)狀 7
1.3.1靜脈識(shí)別特點(diǎn)和系統(tǒng)構(gòu)成 7
1.3.2靜脈識(shí)別系列產(chǎn)品 9
1.3.3靜脈圖像采集系統(tǒng)設(shè)計(jì)相關(guān)研究 10
1.3.4靜脈匹配技術(shù)相關(guān)研究 11
1.4本書(shū)研究?jī)?nèi)容 15
1.4.1本書(shū)主要研究工作 15
1.4.2本書(shū)的章節(jié)安排 18
2手部多源生物特征信息采集系統(tǒng) 22
2.1靜脈圖像采集簡(jiǎn)介 22
2.2單源手背靜脈圖像采集裝置設(shè)計(jì) 23
2.2.1成像光源系統(tǒng)設(shè)計(jì) 23
2.2.2圖像傳感器及鏡頭設(shè)計(jì) 28
2.2.3**代單源手背靜脈圖像采集裝置 32
2.3基于質(zhì)量評(píng)價(jià)的白適應(yīng)光照控制策略 34
2.3.1 圖像銳化及對(duì)比度分布描述子 36
2.3.2圖像光照組分估計(jì) 38
2.4多源信息同步采集及數(shù)據(jù)庫(kù)建立 43
2.4.1 手部多源生物特征信息同步采集裝置設(shè)計(jì) 43
2.4.2手部多源生物特征圖像數(shù)據(jù)庫(kù)構(gòu)建 48
2.5本章小結(jié) 50
3靜脈骨架提取與匹配 52
3.1靜脈圖像模板生成 52
3.2基于光照背景估計(jì)的魯棒靜脈圖像分割 53
3.2.1靜脈圖像分解及不均勻分布修正 53
3.2.2基于偏置修正的魯棒靜脈圖像分割 60
3.3改進(jìn)模板生成及匹配識(shí)別 68
3.3.1靜脈分割圖像細(xì)化與裁剪 68
3.3.2魯棒靜脈匹配模板生成 70
3.3.3 基于MHD判定的模板匹配 72
3.4基于WDM特征的改進(jìn)匹配策略設(shè)計(jì) 75
3 .4.1寬度信息描述子生成 76
3.4.2基于WDM和改進(jìn)模板匹配的魯棒靜脈識(shí)別實(shí)驗(yàn) 79
3.5本章小結(jié) 81
4對(duì)比度增強(qiáng)依賴(lài)靜脈圖像特征編碼模型 84
4.1特征編碼模型魯棒性 84
4.2依賴(lài)編碼模型分析 85
4.2.1基于SIFts的對(duì)比度依賴(lài)特征編碼模型分析 85
4.2.2先進(jìn)對(duì)比度增強(qiáng)方法 88
4.2.3對(duì)比度依賴(lài)模型問(wèn)題分析實(shí)驗(yàn) 92
4.3基于鏡像匹配策略的模型改進(jìn) 101
4.3.1特征點(diǎn)鏡像匹配策略設(shè)計(jì) 101
4.3.2 Roo工SIF工特征提取 104
4.3.3匹配實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析 106
4.4區(qū)域選擇編碼與匹配 109
4.4.1基于谷形算子的層級(jí)靜脈分割方法設(shè)計(jì) 111
4.4.2特征提取及選擇模板生成策略 117
4.4.3識(shí)別實(shí)驗(yàn)與結(jié)果分析 122
4.5本章小結(jié) 130
5靜脈圖像質(zhì)量依賴(lài)紋理編碼模型 133
5.1 圖像質(zhì)量評(píng)價(jià)的反饋 133
5.2局部二進(jìn)制編碼特征 134
5.2.1 傳統(tǒng)LBP編碼方法 134
5.2.2 網(wǎng)形鄰域LBP 135
5.2.3 Uniform LBP模型 137
5.3**類(lèi)間方差型二進(jìn)制特征編碼 138
5.3.1 改進(jìn)型局部二進(jìn)制編碼模式(DLBP)模型原理 140
5.3.2 DLBPriR模型特性分析 142
5.3.3 DLBPP，R**閾值計(jì)算 145
5.4質(zhì)量依賴(lài)靜脈識(shí)別實(shí)驗(yàn) 146
5 .4.1 基于CFISH的靜脈圖像質(zhì)量分組 148
5.4.2基于DLBPPjR的分組靜脈圖像特征提取和匹配策略設(shè)計(jì) 152
5.4.3識(shí)別實(shí)驗(yàn)與結(jié)果分析 154
5.5本章小結(jié) 163
6相似圖像知識(shí)遷移網(wǎng)絡(luò)模型 165
6.1高魯棒遷移學(xué)習(xí)模型 165
6.2深度卷積神經(jīng)網(wǎng)絡(luò)模型 165
6.2.1 DCNN模型歷史發(fā)展 167
6.2.2 DCNN模型分析 168
6.3基于結(jié)構(gòu)白生長(zhǎng)靜脈識(shí)別模型 174
6.3.1靜脈識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì) 175
6.3.2小樣本網(wǎng)絡(luò)結(jié)構(gòu)白生長(zhǎng)策略 176
6.3.3結(jié)構(gòu)白生長(zhǎng)網(wǎng)絡(luò)訓(xùn)練方法 177
6.3.4結(jié)構(gòu)白生長(zhǎng)靜脈網(wǎng)絡(luò)識(shí)別實(shí)驗(yàn) 179
6.4基于相似圖像知識(shí)遷移網(wǎng)絡(luò)的靜脈識(shí)別 185
6.4.1 基于稀疏字典元素分布的圖像相似度判定準(zhǔn)則 186
6.4.2“粗到細(xì)”網(wǎng)絡(luò)微調(diào)策略設(shè)計(jì) 191
6.4.3基于線(xiàn)性分類(lèi)抬導(dǎo)的任務(wù)特定知識(shí)遷移網(wǎng)絡(luò)訓(xùn)練 193
6.4.4改進(jìn)邊界分布SVM 194
6.4.5識(shí)別實(shí)驗(yàn)與結(jié)果分析 196
6.5本章小結(jié) 202
7 多源多模態(tài)手部生物特征信息挖掘 205
7.1雙模態(tài)識(shí)別網(wǎng)絡(luò) 205
7.2靜脈圖像潛在性別判定信息挖掘 206
7.2.1 基于生物特征信息的性別判定模型相關(guān)研究 207
7.2.2基于濾波器模型的靜脈性別信息表征 209
7.2.3 基于無(wú)監(jiān)督特征學(xué)習(xí)模型(USFL)的靜脈性別信息表征 215
7.3靜脈圖像多模態(tài)信息挖掘 219
7.3.1 性別依賴(lài)多模態(tài)靜脈圖像編信息碼模型 219
7.3.2基于相似圖像知識(shí)遷移的靜脈圖像多模態(tài)信息挖掘 226
7.4手部多源生物特征信息深度編碼和識(shí)別 233
7.4.1 深度卷積神經(jīng)網(wǎng)絡(luò)模型相關(guān)研究分析 234
7.4.2深度特征編碼網(wǎng)絡(luò)模型設(shè)計(jì) 236
7.4.3基于DFLCN的手部多源信息識(shí)別實(shí)驗(yàn) 239
7.5本章小結(jié) 241
參考文獻(xiàn) 242
后記 256