本书首先对比分析了指纹、语音、掌纹、虹膜和人脸识别等技术的特点和问题，讨论了基于手部静脉信息设计识别系统的鲜明特点和重要意义，然后以设计鲁棒静脉识别系统为研究目的，以手部多源静脉图像信息为主要研究对象，以由浅及深的特征编码模型为研究脉络，设计实现了多种有效的静脉特征编码模型，取得了极高的身份认证成功率，充分证明了所提出模型用于静脉及其他类型图像识别问题的有效性，对于推动手部静脉信息识别在安全领域的应用具有重要的意义。
样章试读
目录
- 目录
前言
1绪论 1
1.1手部多源信息认证的研究意义 1
1.2生物特征识别技术 2
1.2.1生物特征识别技术概况 2
1.2.2生物特征识别系统性能评价准则 5
1.3静脉识别研究现状 7
1.3.1静脉识别特点和系统构成 7
1.3.2静脉识别系列产品 9
1.3.3静脉图像采集系统设计相关研究 10
1.3.4静脉匹配技术相关研究 11
1.4本书研究内容 15
1.4.1本书主要研究工作 15
1.4.2本书的章节安排 18
2手部多源生物特征信息采集系统 22
2.1静脉图像采集简介 22
2.2单源手背静脉图像采集装置设计 23
2.2.1成像光源系统设计 23
2.2.2图像传感器及镜头设计 28
2.2.3第一代单源手背静脉图像采集装置 32
2.3基于质量评价的白适应光照控制策略 34
2.3.1 图像锐化及对比度分布描述子 36
2.3.2图像光照组分估计 38
2.4多源信息同步采集及数据库建立 43
2.4.1 手部多源生物特征信息同步采集装置设计 43
2.4.2手部多源生物特征图像数据库构建 48
2.5本章小结 50
3静脉骨架提取与匹配 52
3.1静脉图像模板生成 52
3.2基于光照背景估计的鲁棒静脉图像分割 53
3.2.1静脉图像分解及不均匀分布修正 53
3.2.2基于偏置修正的鲁棒静脉图像分割 60
3.3改进模板生成及匹配识别 68
3.3.1静脉分割图像细化与裁剪 68
3.3.2鲁棒静脉匹配模板生成 70
3.3.3 基于MHD判定的模板匹配 72
3.4基于WDM特征的改进匹配策略设计 75
3 .4.1宽度信息描述子生成 76
3.4.2基于WDM和改进模板匹配的鲁棒静脉识别实验 79
3.5本章小结 81
4对比度增强依赖静脉图像特征编码模型 84
4.1特征编码模型鲁棒性 84
4.2依赖编码模型分析 85
4.2.1基于SIFts的对比度依赖特征编码模型分析 85
4.2.2先进对比度增强方法 88
4.2.3对比度依赖模型问题分析实验 92
4.3基于镜像匹配策略的模型改进 101
4.3.1特征点镜像匹配策略设计 101
4.3.2 Roo工SIF工特征提取 104
4.3.3匹配实验设计及结果分析 106
4.4区域选择编码与匹配 109
4.4.1基于谷形算子的层级静脉分割方法设计 111
4.4.2特征提取及选择模板生成策略 117
4.4.3识别实验与结果分析 122
4.5本章小结 130
5静脉图像质量依赖纹理编码模型 133
5.1 图像质量评价的反馈 133
5.2局部二进制编码特征 134
5.2.1 传统LBP编码方法 134
5.2.2 网形邻域LBP 135
5.2.3 Uniform LBP模型 137
5.3最大类间方差型二进制特征编码 138
5.3.1 改进型局部二进制编码模式(DLBP)模型原理 140
5.3.2 DLBPriR模型特性分析 142
5.3.3 DLBPP,R最优阈值计算 145
5.4质量依赖静脉识别实验 146
5 .4.1 基于CFISH的静脉图像质量分组 148
5.4.2基于DLBPPjR的分组静脉图像特征提取和匹配策略设计 152
5.4.3识别实验与结果分析 154
5.5本章小结 163
6相似图像知识迁移网络模型 165
6.1高鲁棒迁移学习模型 165
6.2深度卷积神经网络模型 165
6.2.1 DCNN模型历史发展 167
6.2.2 DCNN模型分析 168
6.3基于结构白生长静脉识别模型 174
6.3.1静脉识别网络结构设计 175
6.3.2小样本网络结构白生长策略 176
6.3.3结构白生长网络训练方法 177
6.3.4结构白生长静脉网络识别实验 179
6.4基于相似图像知识迁移网络的静脉识别 185
6.4.1 基于稀疏字典元素分布的图像相似度判定准则 186
6.4.2“粗到细”网络微调策略设计 191
6.4.3基于线性分类抬导的任务特定知识迁移网络训练 193
6.4.4改进边界分布SVM 194
6.4.5识别实验与结果分析 196
6.5本章小结 202
7 多源多模态手部生物特征信息挖掘 205
7.1双模态识别网络 205
7.2静脉图像潜在性别判定信息挖掘 206
7.2.1 基于生物特征信息的性别判定模型相关研究 207
7.2.2基于滤波器模型的静脉性别信息表征 209
7.2.3 基于无监督特征学习模型(USFL)的静脉性别信息表征 215
7.3静脉图像多模态信息挖掘 219
7.3.1 性别依赖多模态静脉图像编信息码模型 219
7.3.2基于相似图像知识迁移的静脉图像多模态信息挖掘 226
7.4手部多源生物特征信息深度编码和识别 233
7.4.1 深度卷积神经网络模型相关研究分析 234
7.4.2深度特征编码网络模型设计 236
7.4.3基于DFLCN的手部多源信息识别实验 239
7.5本章小结 241
参考文献 242
后记 256
京公网安备 11010102004214号