發(fā)布時間：2022-10-09 16:09

　　隨著經(jīng)濟和技術的迅猛發(fā)展,以智能手機為代表的移動智能設備已逐步普及,為了保證移動智能設備的信息安全,采用生物特征識別技術實現(xiàn)移動端身份識別已成為研究熱點。虹膜識別技術因其眾多優(yōu)點成為移動端生物特征識別技術的研究熱點之一。近些年來,紅外光虹膜識別技術已在智能手機中得到較好的應用。但是,用紅外線采集虹膜圖像會對眼睛造成損傷,并且需增加設備成本�？梢姽庖苿佣撕缒ぷR別可使用設備已有的圖像采集傳感器,且比紅外光更安全。但是可見光移動端虹膜識別由于采集光照條件和采集設備不固定,所得圖像易受干擾,導致識別樣本存在較高的類內(nèi)差異,影響身份識別的準確率,目前的識別方法無法解決該問題。因此,本文以可見光移動端虹膜識別中遇到的上述問題為主要研究內(nèi)容,針對虹膜圖像的預處理、特征提取及匹配,提出兩種適用于不同光照條件和不同圖像采集傳感器的可見光移動端虹膜識別方法。在虹膜圖像預處理階段,為減少可見光對圖像質量的影響,采用暗通道去霧算法對歸一化的虹膜圖像進行圖像復原增強。在特征提取階段,提出了一種類卷積神經(jīng)網(wǎng)絡的運算結構,該結構由兩層卷積層和兩層池化層構成,在降低了圖像維數(shù)的同時,增強了虹膜紋理特征。在匹配識別階段... 

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 移動端生物特征識別
        1.2.1 兩種典型的移動端生物特征識別
        1.2.2 移動端虹膜識別
    1.3 移動端虹膜識別研究現(xiàn)狀
    1.4 論文內(nèi)容與章節(jié)安排
第2章 虹膜識別基本理論
    2.1 虹膜生理結構及特點
    2.2 虹膜識別基本流程
    2.3 虹膜識別經(jīng)典算法
        2.3.1 虹膜定位及歸一化算法
        2.3.2 虹膜圖像增強算法
        2.3.3 虹膜特征提取算法
        2.3.4 虹膜特征匹配算法
    2.4 虹膜圖像數(shù)據(jù)庫
    2.5 本章小結
第3章 基于類卷積降維與分塊特征提取的可見光移動端虹膜識別
    3.1 類卷積降維原理
    3.2 分塊特征提取原理
    3.3 基于類卷積降維與分塊特征提取的虹膜識別算法
    3.4 實驗結果及分析
        3.4.1 算法性能分析
        3.4.2 分塊大小與識別正確率的關系
        3.4.3 不同分類方法對比
    3.5 本章小結
第4章 基于類卷積降維與協(xié)作表示的可見光移動端虹膜識別
    4.1 稀疏表示算法
    4.2 協(xié)作表示算法
    4.3 基于類卷積降維與協(xié)作表示的虹膜識別算法
    4.4 實驗結果及分析
        4.4.1 算法性能分析
        4.4.2 算法對不同設備和光照變化的適用性分析
        4.4.3 運行時間及算法復雜度分析
    4.5 本章小結
第5章 結論
參考文獻
在學研究成果
致謝


【參考文獻】：
期刊論文
[1]基于混合測地線區(qū)域曲線演化的虹膜定位方法[J]. 劉笑楠,楊爭威,張海珊.  電子測量與儀器學報. 2018(10)
[2]基于深度學習的虹膜識別方法研究[J]. 陳虹旭,李曉坤,鄭永亮,邵娜,楊磊,劉磊.  智能計算機與應用. 2018(02)
[3]生物特征識別技術綜述[J]. 鄭方,艾斯卡爾·肉孜,王仁宇,李藍天.  信息安全研究. 2016(01)
[4]基于基元模式信息統(tǒng)計的虹膜卷縮輪提取[J]. 黃靜,苑瑋琦.  計算機輔助設計與圖形學學報. 2014(08)
[5]生物特征識別技術發(fā)展與應用綜述[J]. 盧世軍.  計算機安全. 2013(01)
[6]基于稀疏表示的人臉識別方法[J]. 楊榮根,任明武,楊靜宇.  計算機科學. 2010(09)
[7]改進的快速虹膜定位算法[J]. 駱名猛,吳錫生.  計算機工程與應用. 2010(17)
[8]虹膜圖像內(nèi)外邊緣定位算法研究[J]. 李晶晶,張健.  通信技術. 2010(05)
[9]幾種生物識別方法的比較研究[J]. 陳洪京.  河北省科學院學報. 2007(04)
[10]基于數(shù)學形態(tài)學的快速虹膜定位方法[J]. 孫豫峰.  微計算機應用. 2007(04)

碩士論文
[1]移動端可見光虹膜圖像質量評價方法研究[D]. 尹思璐.沈陽工業(yè)大學 2018
[2]一種多特征提取及融合的虹膜識別方法[D]. 劉博.鄭州大學 2016
[3]基于卷積神經(jīng)網(wǎng)絡的人臉識別研究[D]. 葉浪.東南大學 2015
[4]基于稀疏表示和協(xié)作表示的虹膜識別算法研究[D]. 于倩.燕山大學 2014
[5]基于暗通道先驗的圖像去霧算法研究[D]. 王永超.大連理工大學 2011
[6]彩色虹膜圖像定位算法的研究[D]. 董曉鵬.東北大學 2011
[7]基于神經(jīng)網(wǎng)絡的虹膜識別分類器的設計[D]. 曹國輝.武漢理工大學 2006



本文編號：3688946