可见光移动端虹膜识别方法研究

发布时间：2022-10-09 16:09

　　随着经济和技术的迅猛发展,以智能手机为代表的移动智能设备已逐步普及,为了保证移动智能设备的信息安全,采用生物特征识别技术实现移动端身份识别已成为研究热点。虹膜识别技术因其众多优点成为移动端生物特征识别技术的研究热点之一。近些年来,红外光虹膜识别技术已在智能手机中得到较好的应用。但是,用红外线采集虹膜图像会对眼睛造成损伤,并且需增加设备成本。可见光移动端虹膜识别可使用设备已有的图像采集传感器,且比红外光更安全。但是可见光移动端虹膜识别由于采集光照条件和采集设备不固定,所得图像易受干扰,导致识别样本存在较高的类内差异,影响身份识别的准确率,目前的识别方法无法解决该问题。因此,本文以可见光移动端虹膜识别中遇到的上述问题为主要研究内容,针对虹膜图像的预处理、特征提取及匹配,提出两种适用于不同光照条件和不同图像采集传感器的可见光移动端虹膜识别方法。在虹膜图像预处理阶段,为减少可见光对图像质量的影响,采用暗通道去雾算法对归一化的虹膜图像进行图像复原增强。在特征提取阶段,提出了一种类卷积神经网络的运算结构,该结构由两层卷积层和两层池化层构成,在降低了图像维数的同时,增强了虹膜纹理特征。在匹配识别阶段... 

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景和意义
    1.2 移动端生物特征识别
        1.2.1 两种典型的移动端生物特征识别
        1.2.2 移动端虹膜识别
    1.3 移动端虹膜识别研究现状
    1.4 论文内容与章节安排
第2章 虹膜识别基本理论
    2.1 虹膜生理结构及特点
    2.2 虹膜识别基本流程
    2.3 虹膜识别经典算法
        2.3.1 虹膜定位及归一化算法
        2.3.2 虹膜图像增强算法
        2.3.3 虹膜特征提取算法
        2.3.4 虹膜特征匹配算法
    2.4 虹膜图像数据库
    2.5 本章小结
第3章 基于类卷积降维与分块特征提取的可见光移动端虹膜识别
    3.1 类卷积降维原理
    3.2 分块特征提取原理
    3.3 基于类卷积降维与分块特征提取的虹膜识别算法
    3.4 实验结果及分析
        3.4.1 算法性能分析
        3.4.2 分块大小与识别正确率的关系
        3.4.3 不同分类方法对比
    3.5 本章小结
第4章 基于类卷积降维与协作表示的可见光移动端虹膜识别
    4.1 稀疏表示算法
    4.2 协作表示算法
    4.3 基于类卷积降维与协作表示的虹膜识别算法
    4.4 实验结果及分析
        4.4.1 算法性能分析
        4.4.2 算法对不同设备和光照变化的适用性分析
        4.4.3 运行时间及算法复杂度分析
    4.5 本章小结
第5章 结论
参考文献
在学研究成果
致谢


【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]基于深度学习的虹膜识别方法研究[J]. 陈虹旭,李晓坤,郑永亮,邵娜,杨磊,刘磊.  智能计算机与应用. 2018(02)
[3]生物特征识别技术综述[J]. 郑方,艾斯卡尔·肉孜,王仁宇,李蓝天.  信息安全研究. 2016(01)
[4]基于基元模式信息统计的虹膜卷缩轮提取[J]. 黄静,苑玮琦.  计算机辅助设计与图形学学报. 2014(08)
[5]生物特征识别技术发展与应用综述[J]. 卢世军.  计算机安全. 2013(01)
[6]基于稀疏表示的人脸识别方法[J]. 杨荣根,任明武,杨静宇.  计算机科学. 2010(09)
[7]改进的快速虹膜定位算法[J]. 骆名猛,吴锡生.  计算机工程与应用. 2010(17)
[8]虹膜图像内外边缘定位算法研究[J]. 李晶晶,张健.  通信技术. 2010(05)
[9]几种生物识别方法的比较研究[J]. 陈洪京.  河北省科学院学报. 2007(04)
[10]基于数学形态学的快速虹膜定位方法[J]. 孙豫峰.  微计算机应用. 2007(04)

硕士论文
[1]移动端可见光虹膜图像质量评价方法研究[D]. 尹思璐.沈阳工业大学 2018
[2]一种多特征提取及融合的虹膜识别方法[D]. 刘博.郑州大学 2016
[3]基于卷积神经网络的人脸识别研究[D]. 叶浪.东南大学 2015
[4]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
[5]基于暗通道先验的图像去雾算法研究[D]. 王永超.大连理工大学 2011
[6]彩色虹膜图像定位算法的研究[D]. 董晓鹏.东北大学 2011
[7]基于神经网络的虹膜识别分类器的设计[D]. 曹国辉.武汉理工大学 2006



本文编号：3688946