A Fast and Accurate Biometric Identification System Based on
发布时间:2024-04-13 23:17
自动化技术和物联网的进步彻底改变了智能城市的概念。虽然自动化技术的不管进步使市民的生活更加方便,但它也带来了重大的安全威胁。为了应对日益严重的电子商务欺诈和身份盗用问题,急需一个高度安全的自动识别系统。尽管传统的生物识别系统提供了中等水平的安全性,但它们都受到生理变化的影响并且易于伪造。因此,生物识别系统的重要特性:持久性,难以在这些传统生物识别系统中得以保障。我们利用多样本数据集开发了一种基于视网膜血管网络的高性能快速准确的生物识别系统。视网膜血管网络的分布模式在所有个体中都是独特的。甚至这个模式也在同一个人的两只眼中也不相同。为了实现高识别精度,我们改进了现有的使用单个分割方法的技术,提出了一种新的混合分割方法。该混合分割方法使用不同的分割技术来处理不同的视网膜血管的宽度。粗血管和细血管使用独立的处理方法,因此解决了如果使用同一方法就必须在粗细血管分割精度之间妥协的问题。因此,当两个分割结果都被保留时,分割精度得到改善。由于所提出的方法依赖于视网膜血管系统,因此改进的分割最终提高了所提出方法的识别准确性。通过使用端点,分叉和交叉的组合,进一步提高了识别精度。我们提出的特征集提供了最...
【文章页数】:84 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1 Introduction
1.1 Background
1.1.1 Objectives
1.2 Related Work
1.2.1 Segmentation of Retinal Vasculature Network
1.2.2 Identification Based on Retinal Vasculature Network
1.3 Contributions
1.4 Contents of This Thesis
2 System Framework and Approach Overview
2.1 Approach Overview
2.2 Graphical User Interface
3 Enrollment Module
3.1 Retinal Vasculature Segmentation
3.1.1 Pre-Processing
3.2 Segmentation
3.2.1 Hybrid Segmentation
3.3 Fusion
3.4 Post-Processing
3.5 Feature Extraction
3.5.1 Crossing Number Technique
3.5.2 Color Slicing
3.6 Template Generation
3.6.1 Template Formulation
3.6.2 Dimensionality Reduction
3.7 Experimental Evaluation
3.7.1 Data sets and Evaluation Parameters
3.7.2 Statistical Evaluation of Hybrid Segmentation Approach
3.7.3 Visual Evaluation of Hybrid Segmentation Approach
3.8 Conclusion
4 Identification Module
4.1 Matching
4.2 Experimental Evaluation
4.2.1 Retinal Identification
4.2.2 Computational Time Efficiency
4.2.3 Comparison of Features Discriminant Power
4.2.4 Impact of Scaling on System Performance
4.3 Conclusion
5 Conclusion and Future Prospects
5.1 Summary
5.2 Future Prospects
Acknowledgements
Publications
Bibliography
本文编号:3953769
【文章页数】:84 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1 Introduction
1.1 Background
1.1.1 Objectives
1.2 Related Work
1.2.1 Segmentation of Retinal Vasculature Network
1.2.2 Identification Based on Retinal Vasculature Network
1.3 Contributions
1.4 Contents of This Thesis
2 System Framework and Approach Overview
2.1 Approach Overview
2.2 Graphical User Interface
3 Enrollment Module
3.1 Retinal Vasculature Segmentation
3.1.1 Pre-Processing
3.2 Segmentation
3.2.1 Hybrid Segmentation
3.3 Fusion
3.4 Post-Processing
3.5 Feature Extraction
3.5.1 Crossing Number Technique
3.5.2 Color Slicing
3.6 Template Generation
3.6.1 Template Formulation
3.6.2 Dimensionality Reduction
3.7 Experimental Evaluation
3.7.1 Data sets and Evaluation Parameters
3.7.2 Statistical Evaluation of Hybrid Segmentation Approach
3.7.3 Visual Evaluation of Hybrid Segmentation Approach
3.8 Conclusion
4 Identification Module
4.1 Matching
4.2 Experimental Evaluation
4.2.1 Retinal Identification
4.2.2 Computational Time Efficiency
4.2.3 Comparison of Features Discriminant Power
4.2.4 Impact of Scaling on System Performance
4.3 Conclusion
5 Conclusion and Future Prospects
5.1 Summary
5.2 Future Prospects
Acknowledgements
Publications
Bibliography
本文编号:3953769
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3953769.html
最近更新
教材专著