指靜脈生物識別技術(shù)已被廣泛研究用于個人認(rèn)證.針對質(zhì)量差的圖像中的虛假和缺失功能可能會降低系統(tǒng)性能的問題,提出了一種多標(biāo)簽深度神經(jīng)網(wǎng)絡(luò)(CSA-DNN).在生物特征質(zhì)量評估的主要目標(biāo)(即驗證錯誤最小化)的驅(qū)動下,假設(shè)在驗證系統(tǒng)中錯誤地拒絕低質(zhì)量圖像,并且對低質(zhì)量圖像進(jìn)行圖像配準(zhǔn)后轉(zhuǎn)換成高質(zhì)量圖像進(jìn)行身份識別.基于該假設(shè),低質(zhì)量圖像和高質(zhì)量圖像被人工標(biāo)記.在結(jié)構(gòu)上引入通道空間注意力(CSA)模塊增加特征學(xué)習(xí)能力,并將圖像分成各種block,以增強(qiáng)網(wǎng)絡(luò)魯棒性.隨后,估計來自測試圖像的每個block的質(zhì)量,再根據(jù)多標(biāo)簽預(yù)測的結(jié)構(gòu),采用B樣條配準(zhǔn)與融合濾波的方式將低質(zhì)量圖像變換為高質(zhì)量圖像,從而提高系統(tǒng)識別率與利用率,最后使用該算法在兩個大型公共數(shù)據(jù)集上面測試,實驗結(jié)果表明,采用該算法達(dá)到了最高準(zhǔn)確率為92.5%,靜脈身份驗證最高精度為93.7%,圖像最高利用率為98.5%的高效評估性能.

【文章頁數(shù)】：6 頁

【文章目錄】：
1 多標(biāo)簽深度網(wǎng)絡(luò)
    1.1 CSA-DNN結(jié)構(gòu)
    1.2 基于通道空間注意力（CSA）的特征表示
2 實驗
    2.1 數(shù)據(jù)集預(yù)處理
    2.2 生成訓(xùn)練集
    2.3 網(wǎng)絡(luò)超參數(shù)與訓(xùn)練
        2.3.1 網(wǎng)絡(luò)訓(xùn)練
        2.3.2 多標(biāo)簽預(yù)測
        2.3.3 低質(zhì)量圖像配準(zhǔn)
    2.4 實驗驗證
3 結(jié)論



本文編號：3876536