手指静脉图像检索与融合识别方法研究

发布时间：2022-11-05 15:34

　　近年来手指静脉识别系统的应用领域越来越广泛,手指静脉类别数量和图像数量快速增加,大规模手指静脉图像的快速检索已经成为手指静脉研究领域亟待解决的关键问题。目前手指静脉图像检索的研究工作较少,现有的手指静脉图像检索方法在检索准确率和效率方面还有很大的提升空间,迫切需要探索新的手指静脉图像检索和索引方法以提高检索准确率和效率。本文针对大规模手指静脉图像检索和索引问题开展了深入的探索和研究,还首次尝试将手指静脉图像与心电信号相融合,主要工作和创新点包括:1.提出了一种基于非负局部约束词汇树的手指静脉图像检索方法。针对传统词汇树模型量化错误较大的问题,对词汇树的矢量量化编码方法进行了改进,编码时通过引入非负约束,仅选取与待编码局部特征位于同一个子空间的近邻单词,提高了编码准确率。在自建的大规模指静脉融合库Merged-FV2040上进行的实验结果表明与传统的词汇树模型和其他手指静脉图像检索方法相比,该方法检索准确率和效率更高。2.提出了基于子空间袋模型及非线性子空间编码方法的手指静脉图像特征。针对传统词袋模型在码本生成时未考虑几何结构特征的问题,将视觉单词码本扩展为子空间码本。这样每一个局部特征... 

【文章页数】：144 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和意义
    1.2 研究现状
    1.3 指静脉图像检索步骤
        1.3.1 图像预处理
        1.3.2 特征提取
        1.3.3 构建索引结构进行检索
    1.4 主要研究内容
    1.5 论文结构
第2章 基于非负局部约束词汇树的指静脉图像检索
    2.1 问题提出
    2.2 所提方法
        2.2.1 图像预处理
        2.2.2 局部特征提取
        2.2.3 词汇树建立
        2.2.4 非负局部约束编码
        2.2.5 图像特征和索引策略
    2.3 实验结果和分析
        2.3.1 数据库
        2.3.2 评价标准
        2.3.3 与现有词汇树方法的比较
        2.3.4 与现有指静脉图像检索方法的比较
        2.3.5 时间复杂度
    2.4 本章小结
第3章 基于亲密性保持哈希索引的指静脉图像检索
    3.1 问题提出
    3.2 所提方法
        3.2.1 图像预处理和局部特征提取
        3.2.2 指静脉图像NSC特征表示
        3.2.3 二进制哈希码的学习
    3.3 实验结果和分析
        3.3.1 数据库
        3.3.2 评价标准
        3.3.3 参数敏感性分析
        3.3.4 与其他指静脉图像检索方法的比较
        3.3.5 与其他无监督哈希方法的比较
        3.3.6 时间复杂度分析
    3.4 本章小结
第4章 基于二进制哈希编码学习的指静脉图像检索
    4.1 问题提出
    4.2 所提方法
        4.2.1 问题定义
        4.2.2 目标函数
        4.2.3 求解方法
    4.3 实验结果和分析
        4.3.1 数据库与实验设置
        4.3.2 评价标准
        4.3.3 FVPolyU库上实验结果
        4.3.4 融合库上实验结果
        4.3.5 复杂度讨论
    4.4 本章小结
第5章 指静脉和心电信号的融合识别方法
    5.1 问题提出
    5.2 相关工作
    5.3 单模态特征提取
        5.3.1 指静脉模态
        5.3.2 心电信号模态
    5.4 多模态融合策略
        5.4.1 得分级融合
        5.4.2 特征级融合
        5.4.3 基于DCA的特征级融合
    5.5 实验结果和分析
        5.5.1 多模态数据库
        5.5.2 评价指标
        5.5.3 得分级融合实验结果分析
        5.5.4 特征级融合实验结果分析
    5.6 本章小结
第6章 总结和展望
    6.1 全文总结
    6.2 未来展望
参考文献
致谢
攻读学位期间发表的学术论文目录
攻读学位期间参与科研项目情况
外文论文
学位论文评阅及答辩情况表


【参考文献】：
期刊论文
[1]基于判别相关分析法的手指多模态融合身份识别方法[J]. 胡锦丽,杨辉华,刘振丙.  桂林电子科技大学学报. 2017(06)
[2]基于手指静脉和手指轮廓的个性化融合方法[J]. 袭肖明,尹义龙,杨公平,孟宪静.  计算机研究与发展. 2013(09)
[3]使用改进的方向滤波与修正的Hausdorff距离的指静脉识别方法[J]. 王科俊,马慧.  计算机辅助设计与图形学学报. 2011(03)
[4]Finger vein recognition using weighted local binary pattern code based on a support vector machine[J]. Hyeon Chang LEE,Byung Jun KANG,Eui Chul LEE,Kang Ryoung PARK.  Journal of Zhejiang University-Science C（Computer ＆ Electronics）. 2010(07)



本文编号：3702868