隨著生物特征識別技術的進步,這些技術獲得了廣闊的應用前景。相對于其他身份識別技術而言,指靜脈識別技術更加安全、高效和穩(wěn)定。然而目前采集到的指靜脈圖像普遍存在質量不高以及手指的自由度導致圖像存在的偏移等問題,給指靜脈識別技術帶來了較大的挑戰(zhàn)。傳統的指靜脈識別技術是基于圖像的紋理、特征點等細節(jié)進行特征提取,若圖像質量較差的話,提取到的指靜脈特征會不穩(wěn)定,會降低指靜脈識別的準確性。針對以上問題,本文采用了一種基于改進殘差網絡的指靜脈識別算法。在深度學習算法中,由于公開的指靜脈數據集較少,如何利用有限的數據集訓練得到魯棒性較好的模型性能是主要研究問題之一。指靜脈識別技術中具有區(qū)分性的特征在于圖片的細節(jié)部分,需要對網絡重新設計減少特征圖的信息丟失,提取到具有魯棒性的指靜脈特征。目前,常見的卷積神經網絡是以分類為目的,而對于指靜脈識別技術而言,預先采集所有類別的指靜脈圖片是不切實際的,因此需要對網絡的監(jiān)督信號重新設計,使網絡學習到具有判別性能的指靜脈特征,本文的主要研究工作如下:（1）針對指靜脈采集過程中出現的手指偏移問題,本文提出了一種用于感興趣區(qū)域的角度矯正以及提取的預處理方法,可以消除偏移帶... 

【文章來源】：浙江理工大學浙江省

【文章頁數】：62 頁

【學位級別】：碩士

【部分圖文】：

圖２．１卷積神經網絡基本結構圖??（１）卷積層??

學位論文?基于改進殘差網絡的指靜脈識別算法??特征提取?丨「?特征輸出??［ｋ?Ｉ、ｋ?Ｒｖ?Ｎ?ｎ?ｉ??屮，＾］ｉ?ｒｍ｜?■??Ｍ?！?＼?４１＾?＾?ｎｌ＾ｉ??！??Ｉ?ｉ?ｊ??ｆ?—?＿＿、?／?—?—、?（４、?ｆ?—?Ｎ?（—＼?（?Ｎ??｜卷積層ｉ?｜卷積層ｉ?ｉ池化層｜?！卷積層１１池化層１１全連接？?ｉ??Ｉ?Ｉ?Ｉ?Ｉ?ｉ?ＩＩ?ｉ?Ｖ?Ｉ?ｖ?Ｉ??、?／?＼?／???ｆ?＼?／???—?＾?＼?／??圖２．１卷積神經網絡基本結構圖??（１）卷積層??卷積層１３３１１３４１是卷積神經網絡中的特征提取層，卷積層中的卷積核參數基于網絡的反向??梯度迭代進行更新。由于卷積神經網絡的權重共享機制，每個卷積核在特征圖上進行滑動??卷積操作時只能提取一種特征。淺層卷積層只能提取一些較為簡單的特征，高層卷積層能??從低級語義中提取更復雜的高級語義特征，卷積操作如下圖２．２所示，卷積核在特征圖上??滑動遍歷，特征圖上的像素點和卷積核中的對應點相乘求和，每個卷積核的通道數應與輸??入的特征圖通道數相同，輸出特征圖的通道數也與卷積核通道數相同。??特征圖??〇?益積核??，公丄，Ｙ?ｕ－１??工？妙Ｐ?ｈ＇碑ｔ??＋?（－１?）?＊５＋０＊４＋ｌ＊２?卜沁一８?丨?５，十」??＋?（－１）?＊３＋０＊４＋ｌ＊５?］??＝０?ｋ＂?ｉ?Ｕ，’??圖２．２卷積操作示意圖??通過上面的卷積操作示意圖２．２可以看出輸出特征圖的神經元只連接輸入特征圖的－－??小片區(qū)域，體現了局部共享機制，且一張?zhí)卣鲌D只利用一種卷積核進行遍歷，體現了權值??共享機制

浙江理工大學碩士學位論文?基于改進殘差網絡的指靜脈識別算法??ｇ／??圖２．３神經元的計算示意圖??多層卷積操作是在層與層之間進行多次映射，訓練過程學習每個卷積核的權重參數，??整體構成一個復雜的高階函數．訓練的目的是實現函數的擬合。??（２）激活函數??激活函數１３５１是作用于神經元上的非線性函數，用于將輸入祌經元進行非線性表達映射??到輸出神經元，如上圖２．３所示。它對于神經網絡的特征學習以及獲得復雜和非線性的表??達能力來說十分重要。若沒有激活函數，神經元所進行的操作就只是簡單的線性組合，即??使疊加了多層，輸出層都是基于輸入層的線性疊加，訓練出來的模型無法對復雜任務進行??處理。??只有為網絡引入非線性映射，神經網絡才有非線性表達能力進而表達網絡學習到的高??級語義。祌經網絡反向傳播算法是基于梯度的迭代進行更新的，因此激活函數需要具有可??微性。當激活函數是單調函數時，才能保證網絡的訓練是一個凸優(yōu)化過程。??（３）池化層??在卷積神經網絡中，為了減少參數規(guī)模和計算量，往往會在卷積層之間加入一個池化??層，池化是一種減少特征圖空間大小的操作，它將輸入的特征圖分為若干個矩形區(qū)域，對??每個矩形區(qū)域計算最大值或均值，從而實現降采樣的作用。池化操作使得模型更加關注某??些特征是否存在而不是特征的具體位置，增加了網絡對圖像變化的魯棒性｜３６１。它對特征圖??在空間范圍內進行降維，減小了下一層的輸入特征圖大小，進而減少了全連接層參數，防??止網絡的過擬合，見圖２．４。??９??

【參考文獻】：
期刊論文
[1]基于人體關節(jié)點定位的步態(tài)識別技術研究[J]. 周倩,孫運強,姚愛琴,魯旭濤.  國外電子測量技術. 2019(01)
[2]基于子空間與紋理特征融合的掌紋識別[J]. 李新春,馬紅艷,林森.  激光與光電子學進展. 2019(07)
[3]ReLU激活函數優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統. 2018(02)
[4]基于加權均值人臉的多姿態(tài)人臉識別[J]. 鄒國鋒,傅桂霞,申晉,高明亮,王科俊.  計算機應用研究. 2018(10)
[5]基于改進激活函數的卷積神經網絡研究[J]. 曲之琳,胡曉飛.  計算機技術與發(fā)展. 2017(12)
[6]基于改進深層網絡的人臉識別算法[J]. 李倩玉,蔣建國,齊美彬.  電子學報. 2017(03)
[7]卷積神經網絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[8]基于邊緣檢測加權引導濾波的指靜脈圖像增強算法[J]. 曹偉,王華彬,石軍,余銳,陶亮.  激光與光電子學進展. 2017(02)
[9]指靜脈識別研究綜述[J]. 尹義龍,楊公平,楊璐.  數據采集與處理. 2015(05)
[10]基于Sobel算子的改進邊緣檢測算法[J]. 沈德海,張龍昌,鄂旭.  信息技術. 2015(04)

博士論文
[1]手指靜脈識別方法研究[D]. 楊璐.山東大學 2016

碩士論文
[1]指靜脈圖像特征提取方法的研究[D]. 丁一軍.安徽大學 2019
[2]基于深度學習的指靜脈識別研究[D]. 吳超.南京郵電大學 2018
[3]指靜脈識別方法研究[D]. 劉廣東.南京郵電大學 2018
[4]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
[5]基于卷積神經網絡的手指靜脈認證算法研究[D]. 胡慧.華南理工大學 2018
[6]基于卷積神經網絡的嵌入式指靜脈識別系統[D]. 黃志星.華南理工大學 2017
[7]融合指部多生物特征的識別系統[D]. 鄭茜.華南理工大學 2015



本文編號：3612591