數(shù)據(jù)被譽為“21世紀的石油和鉆石礦”,數(shù)據(jù)的安全是網(wǎng)絡(luò)空間安全的核心。而生物特征識別技術(shù)是有效保護數(shù)據(jù)安全的第一道關(guān)卡。人類的掌靜脈信息具有其他生物特征不具備的活體性,從而得到各國政府和研究機構(gòu)的高度重視�；谏窠�(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)在模式識別領(lǐng)域取得了巨大的成功,也為研究如何提升現(xiàn)有掌靜脈特征識別技術(shù)的性能提供了方式方法。為了能夠在性能一般的辦公計算機上使用神經(jīng)網(wǎng)絡(luò)進行掌靜脈識別、加速掌靜脈識別技術(shù)的普及和推廣,本文以香港理工大學(xué)的手掌NIR圖像庫為實驗數(shù)據(jù),借助神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)技術(shù),以神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)對掌靜脈的特征提取和識別方法進行了研究。為了保證能夠提取到更多掌靜脈細節(jié)特征信息,提高識別的準確度,本論文在人腦視覺信息處理模型HMAX模型的基礎(chǔ)上結(jié)合紋理增強算法和像素層融合算法提出了一種新的掌靜脈特征提取算法,該算法的結(jié)構(gòu)是一種類似于神經(jīng)網(wǎng)絡(luò)的層次結(jié)構(gòu)。經(jīng)過一系列的實驗測試后,得出該特征提取算法比使用LBP和PCA提取掌靜脈特征的識別準確度要高出三個百分點以上,能夠達到96.83%。由于卷積神經(jīng)網(wǎng)絡(luò)能夠提取出更加本質(zhì)的掌靜脈特征,同時會省掉部分預(yù)處理的過程,為進一步研究...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
        1.1.1 研究背景
        1.1.2 研究目的及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 靜脈特征識別技術(shù)的國內(nèi)外研究現(xiàn)狀
        1.2.2 掌靜脈特征識別技術(shù)的國內(nèi)外研究現(xiàn)狀
    1.3 本文重難點
    1.4 本文的組織結(jié)構(gòu)
第2章 掌靜脈圖像獲取與預(yù)處理
    2.1 掌靜脈生理特征
    2.2 掌靜脈圖像的采集方法與裝置
    2.3 掌靜脈圖像識別過程與裝置
        2.3.1 掌靜脈圖像識別過程
        2.3.2 掌靜脈圖像的識別裝置
    2.4 掌靜脈圖像ROI提取和降噪
        2.4.1 ROI區(qū)域提取
        2.4.2 掌靜脈ROI區(qū)域的降噪
    2.5 本章小結(jié)
第3章 掌靜脈ROI圖像特征提取
    3.1 現(xiàn)有特征提取方法存在的不足
    3.2 人腦的圖像信息處理機制
    3.3 類腦圖像識別模型的數(shù)學(xué)原理與結(jié)構(gòu)
        3.3.1 HMAX模型
        3.3.2 人工神經(jīng)網(wǎng)絡(luò)
    3.4 基于淺層神經(jīng)網(wǎng)絡(luò)的掌靜脈特征提取算法設(shè)計
        3.4.1 掌靜脈特征提取流程
        3.4.2 掌靜脈特征提取網(wǎng)絡(luò)各層設(shè)計
    3.5 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的掌靜脈特征識別
    4.1 卷積神經(jīng)網(wǎng)絡(luò)
        4.1.1 卷積神經(jīng)網(wǎng)絡(luò)的生物機理
        4.1.2 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的掌靜脈特征識別算法設(shè)計
        4.2.1 經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型
        4.2.2 改進的網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 本章小結(jié)
第5章 掌靜脈特征處理算法性能分析
    5.1 掌靜脈特征提取算法的性能測試與結(jié)果分析
        5.1.1 實驗數(shù)據(jù)及實驗環(huán)境
        5.1.2 性能評價指標(biāo)
        5.1.3 測試內(nèi)容及結(jié)果分析
    5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的掌靜脈識別算法性能測試與結(jié)果分析
        5.2.1 實驗數(shù)據(jù)與實驗環(huán)境
        5.2.2 測試內(nèi)容與結(jié)果分析
    5.3 本章小結(jié)
結(jié)論
參考文獻
致謝
攻讀碩士學(xué)位期間的學(xué)術(shù)論文
攻讀碩士學(xué)位期間取得的科研成果



本文編號：3800898