应用于虹膜识别的模板保护方法研究
发布时间：2021-12-09 04:39
随着信息技术的迅速发展,越来越多的领域需要可靠安全的身份认证技术。在各种市场需求的推动下,生物特征识别得到了快速发展,虹膜识别技术因具备众多优点成为热门研究之一。然而随着虹膜识别技术的应用和发展,该技术逐渐暴露出一些安全隐患,一旦虹膜特征数据库被盗取,将导致用户的信息泄露,影响用户的人身财产安全。因此,针对虹膜特征的原始数据保护成为该领域的主要研究热点之一。本文以虹膜识别系统中虹膜特征模板保护问题为主要研究内容,研究虹膜图像的预处理、特征提取、模板保护以及匹配方法,提出一种双虹膜模板保护方法。在虹膜图像预处理阶段,采用经典算法进行虹膜定位及归一化。然后采用Log-Gabor变换提取纹理特征。为保护所得的虹膜原始特征数据,本文提出一种基于局部置乱与双随机相位编码（DRPE,Double Random Phase Encoding）的双虹膜模板保护方法,该方法采用同一用户的左右虹膜,将左虹膜特征矢量作为验证虹膜,而右虹膜特征矢量作为密钥,将用户的左虹膜图像的特征矩阵采用Arnold分块置乱,以获得虹膜特征码（IrisCode）的第一重保护,然后从同一用户的右虹膜图像中提取IrisCode作...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
常见生物特征识别的生物特征
沈阳工业大学硕士学位论文2后就会固定不变，一生基本是稳定的。除了虹膜不易受感染环境与遗传因素之外，虹膜的熵模式远高于其他生物特征。由于每个人的虹膜都是唯一的，并且难以进行复制，因此确保了其作为身份识别的先决条件。另外，虹膜的稳定性和可测量性是其作为身份识别的重要性质。由此，基于虹膜的生物特征识别表现出良好的识别性能。图1.2虹膜的结构Fig.1.2Irisstructure（2）指纹识别：指纹通常是指人的手指末端一些条纹状的图案，这些图案具有相应的方向、数量和曲率等特征。指纹识别则是利用这些特征点来进行身份识别[11]。指纹在人为不破坏的情况下一般终身不变，并且从理论上讲世界上不存在两枚完全相同的指纹，因此指纹识别具有稳定性以及唯一性等优点。但其也存在一些缺点，某些群体的指纹很难采集，比如有疤痕、表面磨损严重或者有老茧等，并且指纹印迹很容易在不经意间留在任意地方，如若不进行擦拭，这些指纹印迹可利用相应的手段采集，从而导致指纹识别的安全性能降低。（3）人脸识别：人脸识别主要是通过一定的识别技术，来探求面部器官之间的集合关系。通常，不同的人脸特征具备不同的关系，因而，人脸可以作为生物特征识别中重要的一份子。目前，人脸识别技术已运用到视频监控、机场认证、公安（罪犯追踪识别）、火车站检票口等。但其存在一些缺点，比如人脸被遮盖（头发、口罩、帽子以及化妆等），会降低识别速率和识别精度。（4）步态识别：步态是以脚带动身体的前进方式，而通过人的行走模式可进行身份认证的。具有信息采集距离远、特征难以隐藏、不需要刻意接触与配合等特点，目前应用于医学、犯罪分子搜寻、防暴防恐、视频监控等场景下。（5）语音识别：又称声纹识别，是一种将人的说话声波转换为能够表达说
第2章虹膜识别与模板保护基础理论11()((()())(()()))(()())(()()())22,,2,rtxxrCCsIxsusIxssNurrIxsurrdrN=+（2.5）式中r,s0,L(C)，L(C)表示曲线C的长度。参数r用来更新不断变化的曲线C上点。是曲线上的高斯曲率，Nμq为曲线上某点对应的法线。是用来更新曲线C(s)附近的点的函数。经过多次曲线演化后，曲线周围局部范围内的能量最小，此时曲线就是目标的边缘，即完成虹膜的外边缘定位。由上述虹膜内边缘与外边缘定位可分割出具有丰富纹理的虹膜区域。2.1.2虹膜图像归一化由于一些外在因素，比如采集图像时摄像头与人眼的距离、角度不固定、并且人眼的虹膜区域的大小差异，以及其他原因导致的瞳孔放大或收缩，虹膜识别系统需要进行虹膜区域归一化。其目的是将每幅虹膜图像调整为统一大小和相同分辨率，从而消除旋转、缩放、平移对识别的影响[72]。虹膜图像归一化指定位后得到虹膜内外边界的圆心坐标以及圆的半径，将虹膜灰度图像映射到极坐标系，再将虹膜的环状区域展开为矩形。假设虹膜边界圆的方程为：22200(xx)+(yy)=R（2.6）极坐标转换公式为公式（2.7），公式（2.8），从直角坐标系到极坐标系的转换归一化模型图如图2.2所示。该模型是以内圆圆心为极点将虹膜图像从直角坐标系转换到极坐标系。a直角坐标系表示的虹膜区域b极坐标表示的虹膜区域图2.2归一化的模型图Fig.2.2Normalizedmodelgraph22arctanrxyyx=+=（2.7）
【参考文献】：
期刊论文
[1]基于混合测地线区域曲线演化的虹膜定位方法[J]. 刘笑楠,杨争威,张海珊. 电子测量与仪器学报. 2018(10)
[2]浅析生物特征识别技术的发展及应用[J]. 魏人杰. 中国安防. 2017(12)
[3]基于类卷积神经网络的可见光虹膜识别方法[J]. 刘笑楠,白雨辰,尹思璐,杨争威. 仪器仪表学报. 2017(11)
[4]指纹识别技术发展现状[J]. 顾陈磊,刘宇航,聂泽东,李景振,王磊. 中国生物医学工程学报. 2017(04)
[5]基于点模式的指纹匹配[J]. 徐建国. 环球市场信息导报. 2017(25)
[6]基于VQ和HMM的双层声纹识别算法[J]. 赵峰,于洋. 桂林电子科技大学学报. 2017(01)
[7]刚性区域特征点的3维人脸识别[J]. 袁姮,王志宏,姜文涛. 中国图象图形学报. 2017(01)
[8]基于改进Hamming距离的虹膜识别算法[J]. 张攀,张莲,陈大孝,李云昊. 重庆理工大学学报(自然科学). 2017(01)
[9]基于LBP和深度学习的手写签名识别算法[J]. 马小晴,桑庆兵. 量子电子学报. 2017(01)
[10]基于有监督Kohonen神经网络的步态识别[J]. 郭欣,王蕾,宣伯凯,李彩萍. 自动化学报. 2017(03)
硕士论文
[1]可见光移动端虹膜识别方法研究[D]. 白雨辰.沈阳工业大学 2019
[2]Arnold置乱变换图像加密算法研究[D]. 方毅.江西理工大学 2018
[3]基于稀疏表示和协作表示的虹膜识别算法研究[D]. 于倩.燕山大学 2014
本文编号：3529937
【文章来源】：沈阳工业大学辽宁省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
常见生物特征识别的生物特征
沈阳工业大学硕士学位论文2后就会固定不变，一生基本是稳定的。除了虹膜不易受感染环境与遗传因素之外，虹膜的熵模式远高于其他生物特征。由于每个人的虹膜都是唯一的，并且难以进行复制，因此确保了其作为身份识别的先决条件。另外，虹膜的稳定性和可测量性是其作为身份识别的重要性质。由此，基于虹膜的生物特征识别表现出良好的识别性能。图1.2虹膜的结构Fig.1.2Irisstructure（2）指纹识别：指纹通常是指人的手指末端一些条纹状的图案，这些图案具有相应的方向、数量和曲率等特征。指纹识别则是利用这些特征点来进行身份识别[11]。指纹在人为不破坏的情况下一般终身不变，并且从理论上讲世界上不存在两枚完全相同的指纹，因此指纹识别具有稳定性以及唯一性等优点。但其也存在一些缺点，某些群体的指纹很难采集，比如有疤痕、表面磨损严重或者有老茧等，并且指纹印迹很容易在不经意间留在任意地方，如若不进行擦拭，这些指纹印迹可利用相应的手段采集，从而导致指纹识别的安全性能降低。（3）人脸识别：人脸识别主要是通过一定的识别技术，来探求面部器官之间的集合关系。通常，不同的人脸特征具备不同的关系，因而，人脸可以作为生物特征识别中重要的一份子。目前，人脸识别技术已运用到视频监控、机场认证、公安（罪犯追踪识别）、火车站检票口等。但其存在一些缺点，比如人脸被遮盖（头发、口罩、帽子以及化妆等），会降低识别速率和识别精度。（4）步态识别：步态是以脚带动身体的前进方式，而通过人的行走模式可进行身份认证的。具有信息采集距离远、特征难以隐藏、不需要刻意接触与配合等特点，目前应用于医学、犯罪分子搜寻、防暴防恐、视频监控等场景下。（5）语音识别：又称声纹识别，是一种将人的说话声波转换为能够表达说
第2章虹膜识别与模板保护基础理论11()((()())(()()))(()())(()()())22,,2,rtxxrCCsIxsusIxssNurrIxsurrdrN=+（2.5）式中r,s0,L(C)，L(C)表示曲线C的长度。参数r用来更新不断变化的曲线C上点。是曲线上的高斯曲率，Nμq为曲线上某点对应的法线。是用来更新曲线C(s)附近的点的函数。经过多次曲线演化后，曲线周围局部范围内的能量最小，此时曲线就是目标的边缘，即完成虹膜的外边缘定位。由上述虹膜内边缘与外边缘定位可分割出具有丰富纹理的虹膜区域。2.1.2虹膜图像归一化由于一些外在因素，比如采集图像时摄像头与人眼的距离、角度不固定、并且人眼的虹膜区域的大小差异，以及其他原因导致的瞳孔放大或收缩，虹膜识别系统需要进行虹膜区域归一化。其目的是将每幅虹膜图像调整为统一大小和相同分辨率，从而消除旋转、缩放、平移对识别的影响[72]。虹膜图像归一化指定位后得到虹膜内外边界的圆心坐标以及圆的半径，将虹膜灰度图像映射到极坐标系，再将虹膜的环状区域展开为矩形。假设虹膜边界圆的方程为：22200(xx)+(yy)=R（2.6）极坐标转换公式为公式（2.7），公式（2.8），从直角坐标系到极坐标系的转换归一化模型图如图2.2所示。该模型是以内圆圆心为极点将虹膜图像从直角坐标系转换到极坐标系。a直角坐标系表示的虹膜区域b极坐标表示的虹膜区域图2.2归一化的模型图Fig.2.2Normalizedmodelgraph22arctanrxyyx=+=（2.7）
【参考文献】：
期刊论文
[1]基于混合测地线区域曲线演化的虹膜定位方法[J]. 刘笑楠,杨争威,张海珊. 电子测量与仪器学报. 2018(10)
[2]浅析生物特征识别技术的发展及应用[J]. 魏人杰. 中国安防. 2017(12)
[3]基于类卷积神经网络的可见光虹膜识别方法[J]. 刘笑楠,白雨辰,尹思璐,杨争威. 仪器仪表学报. 2017(11)
[4]指纹识别技术发展现状[J]. 顾陈磊,刘宇航,聂泽东,李景振,王磊. 中国生物医学工程学报. 2017(04)
[5]基于点模式的指纹匹配[J]. 徐建国. 环球市场信息导报. 2017(25)
[6]基于VQ和HMM的双层声纹识别算法[J]. 赵峰,于洋. 桂林电子科技大学学报. 2017(01)
[7]刚性区域特征点的3维人脸识别[J]. 袁姮,王志宏,姜文涛. 中国图象图形学报. 2017(01)
[8]基于改进Hamming距离的虹膜识别算法[J]. 张攀,张莲,陈大孝,李云昊. 重庆理工大学学报(自然科学). 2017(01)
[9]基于LBP和深度学习的手写签名识别算法[J]. 马小晴,桑庆兵. 量子电子学报. 2017(01)
[10]基于有监督Kohonen神经网络的步态识别[J]. 郭欣,王蕾,宣伯凯,李彩萍. 自动化学报. 2017(03)
硕士论文
[1]可见光移动端虹膜识别方法研究[D]. 白雨辰.沈阳工业大学 2019
[2]Arnold置乱变换图像加密算法研究[D]. 方毅.江西理工大学 2018
[3]基于稀疏表示和协作表示的虹膜识别算法研究[D]. 于倩.燕山大学 2014
本文编号：3529937
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3529937.html
