【摘要】：隨著生物特征技術(shù)的快速的發(fā)展,類似于虹膜、指紋、人臉等生物特征因?yàn)槠浔旧淼莫?dú)特性和可識(shí)別性而已經(jīng)被廣泛的應(yīng)用在身份識(shí)別的領(lǐng)域中。在眾多的生物特征識(shí)別中,手指靜脈特征比起上述提到的生物特征有一些獨(dú)特的優(yōu)勢(shì),主要集中在以下四點(diǎn):首先是不必?fù)?dān)心因?yàn)槭种赣|碰到某些地方面導(dǎo)致手指靜脈特征被復(fù)制和盜取,因?yàn)槭种胳o脈特征存在于皮膚的下層;第二點(diǎn)是靜脈特征只能從活體中取得,因此靜脈特征具有很高的安全性;第三點(diǎn)是獲取手指靜脈的裝置是非常小巧和便攜的;最后是對(duì)于大多數(shù)人來說,每個(gè)人最多能獲取到10個(gè)手指靜脈特征,并且每個(gè)手指靜脈特征都是不同的,因此手指靜脈特征對(duì)身份驗(yàn)證來說具有很強(qiáng)的可選擇性和靈活性。正因?yàn)槭种胳o脈特征具有以上這些優(yōu)勢(shì),手指靜脈識(shí)別技術(shù)吸引了非常多的學(xué)者的研究熱情并且變成一項(xiàng)越來越有前途的技術(shù)。很多相關(guān)的科研工作已經(jīng)匯報(bào)了手指靜脈識(shí)別領(lǐng)域的先進(jìn)成果,但是在大規(guī)模人群的應(yīng)用場(chǎng)景下,手指靜脈圖像識(shí)別工作的魯棒性依然存在很大的挑戰(zhàn)。在這樣的情況下,檢索方法對(duì)于提高識(shí)別效率就變得非常有用。鑒于這樣的目的,本文第二章節(jié)提供了一種基于分層詞匯樹二值碼搜索路徑的手指靜脈圖像檢索方法。具體來說,我們首先將局部的靜脈基元通過分層的k-means方法來構(gòu)造一棵詞匯樹。每個(gè)圖像塊都在搜索詞匯樹中最近的葉子節(jié)點(diǎn)的過程中的二值碼路徑表示出來,并且該二值碼的每一位是根據(jù)搜索路徑中是否通過或者跳過某個(gè)通訊節(jié)點(diǎn)而被標(biāo)記為1或0。任意兩張圖片的相似度是由兩個(gè)路徑之間包含相同位數(shù)的總數(shù)來決定的。對(duì)一幅查詢圖像來說,注冊(cè)圖像中根據(jù)得分排名,前t個(gè)圖像將被選為候選者以此來縮小搜索空間。通過在五個(gè)手指靜脈庫(kù)上進(jìn)行驗(yàn)證,試驗(yàn)結(jié)果表明本文提出的方法能有效提高檢索的精度和效率。隨著不斷增長(zhǎng)的數(shù)據(jù)量和使用需求,生物特征的數(shù)據(jù)庫(kù)也增長(zhǎng)成更大的規(guī)模,因此手指靜脈圖像檢索也變成快速驗(yàn)證身份的有效方法。然而當(dāng)前存在的大多數(shù)檢索方法都是基于非重疊的矩形圖像塊中提取的固定范圍的特征,因此特征表示能力和靜脈特征的局部一致性都被忽視。并且這種弱化的編碼(根據(jù)預(yù)先定義的閾值進(jìn)行二值化)也會(huì)限制檢索的性能。為了解決這個(gè)問題,本文第三章節(jié)提出了一種新穎的手指靜脈圖像檢索框架,該框架基于多尺度超像素特征的相似度保留編碼方式。在提出的框架中,一個(gè)超像素塊中的局部一致的像素用來表示一個(gè)特征,并且根據(jù)超像素的分類,處于不同類別的超像素特征維數(shù)長(zhǎng)度是不同的,超像素的分類是根據(jù)最低維數(shù)的特征的方差來決定的。此外,這種基于特征的壓縮和循環(huán)的特征編碼能夠?qū)⒘炕瘬p失降到最低并且保持了多尺度特征和二值碼直接的相似性。在六個(gè)公開的手指靜脈數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明,本文提出的基于多尺度超像素特征編碼的手指靜脈圖像檢索方法比當(dāng)前最先進(jìn)的成果效果都好。
[Abstract]:With the rapid development of biometric technology, biometric features like iris, fingerprint and face have been widely used in the field of identity recognition because of their own uniqueness and identifiability. In many biometric identification, the finger vein features have some unique advantages compared with those mentioned above. Focus on the following four points: first, you do not have to worry about the finger vein characteristics being copied and stolen because the finger touches some local surfaces, because the finger veins are characteristic of the lower layer of the skin; the second point is that the venous features can only be obtained from the living body, so the venous features are highly safe; the third point is to obtain the finger veins. The device is very small and portable; in the end, for most people, each person can obtain up to 10 finger veins, and each finger vein features different features, so the finger vein features have a strong selectivity and flexibility for identification. The finger vein recognition technology has attracted many scholars' enthusiasm and became an increasingly promising technology. Many related research work has reported the advanced results in the field of finger vein recognition, but the robustness of finger vein image recognition still exists in the application scene of large population. In this case, in this case, the second chapter provides a finger vein image retrieval method based on the hierarchical vocabulary tree two value code search path. In particular, we first pass the local venous primitives through the layered K-means square. A word tree is constructed by law. Each image block is represented by the two value code path in the search of the nearest leaf node in the vocabulary tree, and each bit of the two value code is based on or skipping a communication node in the search path and the similarity between the 1 or the 0. meaning two pictures is made up of two paths. For a query image, the first t image will be selected as a candidate to reduce the search space for a query image. The results show that the proposed method can effectively improve the accuracy and efficiency of the retrieval by using the five finger vein library. The growing number of data and the use of requirements, biometric databases have also increased to a larger scale. Therefore, finger vein image retrieval has become an effective method for fast identification. However, most of the existing retrieval methods are based on the characteristics of the fixed range extracted from non overlapping rectangular image blocks, so the feature representation is expressed. The local consistency of capacity and venous features is ignored. And this weakening encoding (two values based on predefined thresholds) also limits the performance of the retrieval. In order to solve this problem, the third chapter proposes a novel framework for the finger vein image retrieval based on the similarity of multi-scale super pixel features. In the proposed framework, in the proposed framework, a locally consistent pixel in a super pixel block is used to represent a feature, and according to the classification of the super pixel, the length of the feature dimension of the super pixel is different in different categories. The classification of the super pixel is determined by the variance of the characteristics of the lowest dimension. In addition, this kind of special pixel is based on the characteristic of the minimum dimension. Characteristic compression and cyclic feature coding can minimize the quantization loss and keep the similarity between the multi-scale feature and the two value code. The experimental results on the six open finger vein database show that the hand finger vein image retrieval method based on multi-scale super pixel feature coding is more advanced than the present one. The results are all good.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 江士方,汪英姿;圖像及圖像檢索應(yīng)用前景的探討[J];江蘇工業(yè)學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版);2003年04期

2 韓法旺;;基于云計(jì)算模式的圖像檢索研究[J];情報(bào)科學(xué);2011年10期

3 何巖;;以計(jì)算機(jī)為基礎(chǔ)的色彩圖像檢索方法與研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年12期

4 郭海鳳;李廣水;仇彬任;;基于融合多特征的社會(huì)網(wǎng)上圖像檢索方法[J];計(jì)算機(jī)與現(xiàn)代化;2013年12期

5 柏正堯,周紀(jì)勤;基于復(fù)數(shù)矩不變性的圖像檢索方法研究[J];計(jì)算機(jī)應(yīng)用;2000年10期

6 夏峰,張文龍;一種圖像檢索的新方法[J];計(jì)算機(jī)應(yīng)用研究;2002年11期

7 鄧誠(chéng)強(qiáng),馮剛;基于內(nèi)容的多特征綜合圖像檢索[J];計(jì)算機(jī)應(yīng)用;2003年07期

8 斯白露,高文,盧漢清,曾煒,段立娟;基于感興趣區(qū)域的圖像檢索方法[J];高技術(shù)通訊;2003年05期

9 劉怡,于沛;基于“知網(wǎng)”的新聞圖像檢索方法[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年02期

10 張榮,鄭浩然,李金龍,王煦法;進(jìn)化加速技術(shù)在圖像檢索中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年16期

相關(guān)會(huì)議論文 前10條

1 陳旭文;朱紅麗;;一種高效的圖像檢索方法[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

2 周向東;張亮;張琪;劉莉;殷慷;施伯樂;;一種新的圖像檢索相關(guān)反饋方法[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

3 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語(yǔ)義圖像檢索方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 趙海英;彭宏;;基于最優(yōu)近似反饋的圖像檢索[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

5 許相莉;張利彪;于哲舟;周春光;;基于商空間粒度計(jì)算的圖像檢索[A];第八屆全國(guó)信息隱藏與多媒體安全學(xué)術(shù)大會(huì)湖南省計(jì)算機(jī)學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

6 李凌偉;周榮貴;劉怡;;基于概念的圖像檢索方法[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2002年

7 楊關(guān)良;李忠杰;徐小杰;;基于代表色的圖像檢索方法研究[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

8 彭瑜;喬奇峰;魏昆娟;;基于多示例學(xué)習(xí)的圖像檢索方法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

9 胡敬;武港山;;基于語(yǔ)義特征的風(fēng)景圖像檢索[A];2009年研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)論文集[C];2009年

10 許天兵;;一種基于語(yǔ)義分類的圖像檢索方法[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 崔超然;圖像檢索中自動(dòng)標(biāo)注、標(biāo)簽處理和重排序問題的研究[D];山東大學(xué);2015年

2 楊迪;基于內(nèi)容的分布式圖像檢索[D];北京郵電大學(xué);2015年

3 張旭;網(wǎng)絡(luò)圖像檢索關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

4 吳夢(mèng)麟;基于半監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像檢索研究[D];南京理工大學(xué);2015年

5 高毫林;基于哈希技術(shù)的圖像檢索研究[D];解放軍信息工程大學(xué);2014年

6 李清亮;圖像檢索中判別性增強(qiáng)研究[D];吉林大學(xué);2016年

7 劉爽;多特征融合圖像檢索方法及其應(yīng)用研究[D];哈爾濱理工大學(xué);2016年

8 程航;密文JPEG圖像檢索研究[D];上海大學(xué);2016年

9 李強(qiáng);基于語(yǔ)義理解的圖像檢索研究[D];天津大學(xué);2015年

10 李展;基于多示例學(xué)習(xí)的圖像檢索與推薦相關(guān)算法研究[D];西北大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 趙鴻;基于尺度不變局部特征的圖像檢索研究[D];華南理工大學(xué);2015年

2 孫劍飛;基于圖像索引的熱點(diǎn)話題檢索方法研究[D];蘭州大學(xué);2015年

3 章進(jìn)洲;圖像檢索中的用戶意圖分析[D];南京理工大學(xué);2015年

4 苗思楊;移動(dòng)圖像檢索中的漸進(jìn)式傳輸方式研究[D];大連海事大學(xué);2015年

5 都業(yè)剛;基于顯著性的移動(dòng)圖像檢索[D];大連海事大學(xué);2015年

6 王夢(mèng)蕾;基于用戶反饋和改進(jìn)詞袋模型的圖像檢索[D];南京理工大學(xué);2015年

7 許鵬飛;基于草圖的海量圖像檢索方法研究[D];浙江大學(xué);2015年

8 馮進(jìn)麗;基于BoF的圖像檢索與行為識(shí)別研究[D];山西大學(xué);2015年

9 喬維強(qiáng);基于低級(jí)特征和語(yǔ)義特征的醫(yī)學(xué)圖像檢索[D];北京理工大學(xué);2015年

10 蔣國(guó)寶;基于內(nèi)容的概念建模和圖像檢索重排序[D];復(fù)旦大學(xué);2014年

，

本文編號(hào)：2151974