基于改进残差网络的指静脉识别算法
发布时间：2022-01-27 13:48
随着生物特征识别技术的进步,这些技术获得了广阔的应用前景。相对于其他身份识别技术而言,指静脉识别技术更加安全、高效和稳定。然而目前采集到的指静脉图像普遍存在质量不高以及手指的自由度导致图像存在的偏移等问题,给指静脉识别技术带来了较大的挑战。传统的指静脉识别技术是基于图像的纹理、特征点等细节进行特征提取,若图像质量较差的话,提取到的指静脉特征会不稳定,会降低指静脉识别的准确性。针对以上问题,本文采用了一种基于改进残差网络的指静脉识别算法。在深度学习算法中,由于公开的指静脉数据集较少,如何利用有限的数据集训练得到鲁棒性较好的模型性能是主要研究问题之一。指静脉识别技术中具有区分性的特征在于图片的细节部分,需要对网络重新设计减少特征图的信息丢失,提取到具有鲁棒性的指静脉特征。目前,常见的卷积神经网络是以分类为目的,而对于指静脉识别技术而言,预先采集所有类别的指静脉图片是不切实际的,因此需要对网络的监督信号重新设计,使网络学习到具有判别性能的指静脉特征,本文的主要研究工作如下:（1）针对指静脉采集过程中出现的手指偏移问题,本文提出了一种用于感兴趣区域的角度矫正以及提取的预处理方法,可以消除偏移带...
【文章来源】：浙江理工大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１卷积神经网络基本结构图??（１）卷积层??
学位论文?基于改进残差网络的指静脉识别算法??特征提取?丨「?特征输出??［ｋ?Ｉ、ｋ?Ｒｖ?Ｎ?ｎ?ｉ??屮，＾］ｉ?ｒｍ｜?■??Ｍ?！?＼?４１＾?＾?ｎｌ＾ｉ??！??Ｉ?ｉ?ｊ??ｆ?—?＿＿、?／?—?—、?（４、?ｆ?—?Ｎ?（—＼?（?Ｎ??｜卷积层ｉ?｜卷积层ｉ?ｉ池化层｜?！卷积层１１池化层１１全连接？?ｉ??Ｉ?Ｉ?Ｉ?Ｉ?ｉ?ＩＩ?ｉ?Ｖ?Ｉ?ｖ?Ｉ??、?／?＼?／???ｆ?＼?／???—?＾?＼?／??图２．１卷积神经网络基本结构图??（１）卷积层??卷积层１３３１１３４１是卷积神经网络中的特征提取层，卷积层中的卷积核参数基于网络的反向??梯度迭代进行更新。由于卷积神经网络的权重共享机制，每个卷积核在特征图上进行滑动??卷积操作时只能提取一种特征。浅层卷积层只能提取一些较为简单的特征，高层卷积层能??从低级语义中提取更复杂的高级语义特征，卷积操作如下图２．２所示，卷积核在特征图上??滑动遍历，特征图上的像素点和卷积核中的对应点相乘求和，每个卷积核的通道数应与输??入的特征图通道数相同，输出特征图的通道数也与卷积核通道数相同。??特征图??〇?益积核??，公丄，Ｙ?ｕ－１??工？妙Ｐ?ｈ＇碑ｔ??＋?（－１?）?＊５＋０＊４＋ｌ＊２?卜沁一８?丨?５，十」??＋?（－１）?＊３＋０＊４＋ｌ＊５?］??＝０?ｋ＂?ｉ?Ｕ，’??图２．２卷积操作示意图??通过上面的卷积操作示意图２．２可以看出输出特征图的神经元只连接输入特征图的－－??小片区域，体现了局部共享机制，且一张特征图只利用一种卷积核进行遍历，体现了权值??共享机制
浙江理工大学硕士学位论文?基于改进残差网络的指静脉识别算法??ｇ／??图２．３神经元的计算示意图??多层卷积操作是在层与层之间进行多次映射，训练过程学习每个卷积核的权重参数，??整体构成一个复杂的高阶函数．训练的目的是实现函数的拟合。??（２）激活函数??激活函数１３５１是作用于神经元上的非线性函数，用于将输入祌经元进行非线性表达映射??到输出神经元，如上图２．３所示。它对于神经网络的特征学习以及获得复杂和非线性的表??达能力来说十分重要。若没有激活函数，神经元所进行的操作就只是简单的线性组合，即??使叠加了多层，输出层都是基于输入层的线性叠加，训练出来的模型无法对复杂任务进行??处理。??只有为网络引入非线性映射，神经网络才有非线性表达能力进而表达网络学习到的高??级语义。祌经网络反向传播算法是基于梯度的迭代进行更新的，因此激活函数需要具有可??微性。当激活函数是单调函数时，才能保证网络的训练是一个凸优化过程。??（３）池化层??在卷积神经网络中，为了减少参数规模和计算量，往往会在卷积层之间加入一个池化??层，池化是一种减少特征图空间大小的操作，它将输入的特征图分为若干个矩形区域，对??每个矩形区域计算最大值或均值，从而实现降采样的作用。池化操作使得模型更加关注某??些特征是否存在而不是特征的具体位置，增加了网络对图像变化的魯棒性｜３６１。它对特征图??在空间范围内进行降维，减小了下一层的输入特征图大小，进而减少了全连接层参数，防??止网络的过拟合，见图２．４。??９??
【参考文献】：
期刊论文
[1]基于人体关节点定位的步态识别技术研究[J]. 周倩,孙运强,姚爱琴,鲁旭涛. 国外电子测量技术. 2019(01)
[2]基于子空间与纹理特征融合的掌纹识别[J]. 李新春,马红艳,林森. 激光与光电子学进展. 2019(07)
[3]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[4]基于加权均值人脸的多姿态人脸识别[J]. 邹国锋,傅桂霞,申晋,高明亮,王科俊. 计算机应用研究. 2018(10)
[5]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞. 计算机技术与发展. 2017(12)
[6]基于改进深层网络的人脸识别算法[J]. 李倩玉,蒋建国,齐美彬. 电子学报. 2017(03)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[8]基于边缘检测加权引导滤波的指静脉图像增强算法[J]. 曹伟,王华彬,石军,余锐,陶亮. 激光与光电子学进展. 2017(02)
[9]指静脉识别研究综述[J]. 尹义龙,杨公平,杨璐. 数据采集与处理. 2015(05)
[10]基于Sobel算子的改进边缘检测算法[J]. 沈德海,张龙昌,鄂旭. 信息技术. 2015(04)
博士论文
[1]手指静脉识别方法研究[D]. 杨璐.山东大学 2016
硕士论文
[1]指静脉图像特征提取方法的研究[D]. 丁一军.安徽大学 2019
[2]基于深度学习的指静脉识别研究[D]. 吴超.南京邮电大学 2018
[3]指静脉识别方法研究[D]. 刘广东.南京邮电大学 2018
[4]基于深度学习的指静脉识别算法研究[D]. 唐溯.华南理工大学 2018
[5]基于卷积神经网络的手指静脉认证算法研究[D]. 胡慧.华南理工大学 2018
[6]基于卷积神经网络的嵌入式指静脉识别系统[D]. 黄志星.华南理工大学 2017
[7]融合指部多生物特征的识别系统[D]. 郑茜.华南理工大学 2015
本文编号：3612591
【文章来源】：浙江理工大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１卷积神经网络基本结构图??（１）卷积层??
学位论文?基于改进残差网络的指静脉识别算法??特征提取?丨「?特征输出??［ｋ?Ｉ、ｋ?Ｒｖ?Ｎ?ｎ?ｉ??屮，＾］ｉ?ｒｍ｜?■??Ｍ?！?＼?４１＾?＾?ｎｌ＾ｉ??！??Ｉ?ｉ?ｊ??ｆ?—?＿＿、?／?—?—、?（４、?ｆ?—?Ｎ?（—＼?（?Ｎ??｜卷积层ｉ?｜卷积层ｉ?ｉ池化层｜?！卷积层１１池化层１１全连接？?ｉ??Ｉ?Ｉ?Ｉ?Ｉ?ｉ?ＩＩ?ｉ?Ｖ?Ｉ?ｖ?Ｉ??、?／?＼?／???ｆ?＼?／???—?＾?＼?／??图２．１卷积神经网络基本结构图??（１）卷积层??卷积层１３３１１３４１是卷积神经网络中的特征提取层，卷积层中的卷积核参数基于网络的反向??梯度迭代进行更新。由于卷积神经网络的权重共享机制，每个卷积核在特征图上进行滑动??卷积操作时只能提取一种特征。浅层卷积层只能提取一些较为简单的特征，高层卷积层能??从低级语义中提取更复杂的高级语义特征，卷积操作如下图２．２所示，卷积核在特征图上??滑动遍历，特征图上的像素点和卷积核中的对应点相乘求和，每个卷积核的通道数应与输??入的特征图通道数相同，输出特征图的通道数也与卷积核通道数相同。??特征图??〇?益积核??，公丄，Ｙ?ｕ－１??工？妙Ｐ?ｈ＇碑ｔ??＋?（－１?）?＊５＋０＊４＋ｌ＊２?卜沁一８?丨?５，十」??＋?（－１）?＊３＋０＊４＋ｌ＊５?］??＝０?ｋ＂?ｉ?Ｕ，’??图２．２卷积操作示意图??通过上面的卷积操作示意图２．２可以看出输出特征图的神经元只连接输入特征图的－－??小片区域，体现了局部共享机制，且一张特征图只利用一种卷积核进行遍历，体现了权值??共享机制
浙江理工大学硕士学位论文?基于改进残差网络的指静脉识别算法??ｇ／??图２．３神经元的计算示意图??多层卷积操作是在层与层之间进行多次映射，训练过程学习每个卷积核的权重参数，??整体构成一个复杂的高阶函数．训练的目的是实现函数的拟合。??（２）激活函数??激活函数１３５１是作用于神经元上的非线性函数，用于将输入祌经元进行非线性表达映射??到输出神经元，如上图２．３所示。它对于神经网络的特征学习以及获得复杂和非线性的表??达能力来说十分重要。若没有激活函数，神经元所进行的操作就只是简单的线性组合，即??使叠加了多层，输出层都是基于输入层的线性叠加，训练出来的模型无法对复杂任务进行??处理。??只有为网络引入非线性映射，神经网络才有非线性表达能力进而表达网络学习到的高??级语义。祌经网络反向传播算法是基于梯度的迭代进行更新的，因此激活函数需要具有可??微性。当激活函数是单调函数时，才能保证网络的训练是一个凸优化过程。??（３）池化层??在卷积神经网络中，为了减少参数规模和计算量，往往会在卷积层之间加入一个池化??层，池化是一种减少特征图空间大小的操作，它将输入的特征图分为若干个矩形区域，对??每个矩形区域计算最大值或均值，从而实现降采样的作用。池化操作使得模型更加关注某??些特征是否存在而不是特征的具体位置，增加了网络对图像变化的魯棒性｜３６１。它对特征图??在空间范围内进行降维，减小了下一层的输入特征图大小，进而减少了全连接层参数，防??止网络的过拟合，见图２．４。??９??
【参考文献】：
期刊论文
[1]基于人体关节点定位的步态识别技术研究[J]. 周倩,孙运强,姚爱琴,鲁旭涛. 国外电子测量技术. 2019(01)
[2]基于子空间与纹理特征融合的掌纹识别[J]. 李新春,马红艳,林森. 激光与光电子学进展. 2019(07)
[3]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[4]基于加权均值人脸的多姿态人脸识别[J]. 邹国锋,傅桂霞,申晋,高明亮,王科俊. 计算机应用研究. 2018(10)
[5]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞. 计算机技术与发展. 2017(12)
[6]基于改进深层网络的人脸识别算法[J]. 李倩玉,蒋建国,齐美彬. 电子学报. 2017(03)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[8]基于边缘检测加权引导滤波的指静脉图像增强算法[J]. 曹伟,王华彬,石军,余锐,陶亮. 激光与光电子学进展. 2017(02)
[9]指静脉识别研究综述[J]. 尹义龙,杨公平,杨璐. 数据采集与处理. 2015(05)
[10]基于Sobel算子的改进边缘检测算法[J]. 沈德海,张龙昌,鄂旭. 信息技术. 2015(04)
博士论文
[1]手指静脉识别方法研究[D]. 杨璐.山东大学 2016
硕士论文
[1]指静脉图像特征提取方法的研究[D]. 丁一军.安徽大学 2019
[2]基于深度学习的指静脉识别研究[D]. 吴超.南京邮电大学 2018
[3]指静脉识别方法研究[D]. 刘广东.南京邮电大学 2018
[4]基于深度学习的指静脉识别算法研究[D]. 唐溯.华南理工大学 2018
[5]基于卷积神经网络的手指静脉认证算法研究[D]. 胡慧.华南理工大学 2018
[6]基于卷积神经网络的嵌入式指静脉识别系统[D]. 黄志星.华南理工大学 2017
[7]融合指部多生物特征的识别系统[D]. 郑茜.华南理工大学 2015
本文编号：3612591
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3612591.html
最近更新
教材专著
