基于GCN的手指生物特征识别方法研究
发布时间：2021-04-16 17:00
手指生物特征由其高度便携性一直在生物特征识别领域占有很大的比重,不论是单模态识别还是多模态融合识别都具有很高的研究价值。然而在以往的研究中,往往存在识别效率不高以及多模态融合维度大、特征表达存在差异等问题。本文以指静脉、指纹、指节纹这三种模态为研究对象,提出一种基于图卷积网络（Graph Convolutional Network,GCN）的手指生物特征识别方法,主要工作如下:第一,提出了基于GCN的指静脉、指纹、指节纹单模态识别方法。首先对三种模态进行基于k-NN加权图的特征表达,把图像映射成为图结构。然后构建各模态GCN识别模型,利用基于切比雪夫多项式的图卷积核实现对图结构的局部特征学习,并加入快速图池化算法对学习到的图特征进行降维,再通过分类函数完成各模态识别。第二,提出了两种手指多模态融合识别方法,一是在图像映射到图结构过程中基于顶点特征的融合,根据三模态顶点特征距离建立融合图结构;二是基于GCN模型的决策层融合方法,对各模态分类概率矩阵进行加权求和,获得融合概率矩阵完成识别。最后,通过实验探究不同因素对GCN单模态识别模型的影响,并与其他方法进行对比分析,实验获得较好的识别率...
【文章来源】：中国民航大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
多模态手指生物特征识别设备示例
芨??缂扑慵尤敕窍咝员浠?＜せ詈??闹掷?分为平滑非线性、连续但不处处可微及随机正则化激活函数。Sigmoid、tanh或者ReLU等类型的激活函数在GCN研究中都被经常使用到。为了维持训练过程的稳定，解决梯度消失的问题，本单模态识别模型中，图卷积层之后的激活函数为ReLU函数。如图3-4所示，当ReLU激活函数输入x为负值，函数结果为零，不响应；当输入x为正值，响应结果与输出相同，此方法称为单侧抑制。通过单侧抑制来调整图卷积网络的非线性性能，使得特征有不同的响应，且能够在一定程度上使训练数据更好的实现拟合。图3-4ReLU激活函数
中国民航大学硕士学位论文305.3图结构质量对识别结果的影响本文把图像映射到图域来探究生物特征识别问题，图结构要对原图像具有一定的描述能力，图卷积网络才能从中学习到图特征，所以图结构的质量至关重要。本节主要从顶点和边两个方面分别探究指纹、指静脉、指节纹图结构的质量对识别结果的影响，所以本节图卷积网络均采取3.5节中所述结构。5.3.1探究图结构维度对识别的影响本实验探究图结构维度对识别结果的影响，顶点的数目直接决定了图结构的维度，而图结构规模的大小，影响最终识别的速率，所以从识别率和识别效率两个方面探究最合适的图结构维度。实验时，所有图均采取8-NN的顶点连接方式。可以通过改变图像块的尺寸和划分时图像块之间的重叠率得到以下不同数量的顶点，因为增加图像块的重叠率，效果近似于减小了图像块的尺寸，都使顶点数目变化即图结构维度改变。图5-1三模态不同维度图结构识别率和单张识别时间实验结果图5-1显示了三模态不同维度图结构的实验结果，左边为单模态的识别率（%），右边为单张识别时间（ms），以表达该模态的识别速率。分析实验结果可以看出，各模态的识别率总是随着图结构维度的增加而上升，结合图像块重叠率和尺寸大小分析，重叠率越高使得顶点关联性越高，提高了图像平移的鲁棒性，对识别结果有利；当尺寸越小，图像块包含方向特征越单一，这样的图结构不仅表达原图像的局部特征，同样能够描述局部特征间的关系。然而维度的增加，必然导致系统计算复杂度变大，导致单张识别时间更长。
【参考文献】：
期刊论文
[1]手指静脉图像血管网分形修复方法[J]. 李振娟,贾桂敏,杨金锋,张海刚. 信号处理. 2019(08)
[2]手指双模态特征图像感兴趣区域稳定定位方法研究[J]. 杨金锋,石滨萌. 信号处理. 2019(07)
[3]基于mutual KNN和标准化的谱聚类算法[J]. 谭马龙,文国秋,童涛,吴林,杜婷婷. 计算机工程与设计. 2019(07)
[4]手指静脉图像的概率分割方法研究[J]. 温梦娜,杨金锋. 小型微型计算机系统. 2018(07)
[5]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)
[6]Snake模型在指纹图像分割中的应用[J]. 卞维新,徐德琴. 计算机工程与应用. 2011(07)
[7]基于Delaunay三角化的指纹匹配方法[J]. 尹义龙,张宏伟,刘宁. 计算机研究与发展. 2005(09)
硕士论文
[1]基于手指融合特征的身份识别系统[D]. 石滨萌.中国民航大学 2019
[2]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
[3]手指生物特征超球粒化融合方法研究[D]. 白改燕.中国民航大学 2017
[4]相容粒度空间下的手指特征融合方法研究[D]. 刘森.中国民航大学 2014
本文编号：3141818
【文章来源】：中国民航大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
多模态手指生物特征识别设备示例
芨??缂扑慵尤敕窍咝员浠?＜せ詈??闹掷?分为平滑非线性、连续但不处处可微及随机正则化激活函数。Sigmoid、tanh或者ReLU等类型的激活函数在GCN研究中都被经常使用到。为了维持训练过程的稳定，解决梯度消失的问题，本单模态识别模型中，图卷积层之后的激活函数为ReLU函数。如图3-4所示，当ReLU激活函数输入x为负值，函数结果为零，不响应；当输入x为正值，响应结果与输出相同，此方法称为单侧抑制。通过单侧抑制来调整图卷积网络的非线性性能，使得特征有不同的响应，且能够在一定程度上使训练数据更好的实现拟合。图3-4ReLU激活函数
中国民航大学硕士学位论文305.3图结构质量对识别结果的影响本文把图像映射到图域来探究生物特征识别问题，图结构要对原图像具有一定的描述能力，图卷积网络才能从中学习到图特征，所以图结构的质量至关重要。本节主要从顶点和边两个方面分别探究指纹、指静脉、指节纹图结构的质量对识别结果的影响，所以本节图卷积网络均采取3.5节中所述结构。5.3.1探究图结构维度对识别的影响本实验探究图结构维度对识别结果的影响，顶点的数目直接决定了图结构的维度，而图结构规模的大小，影响最终识别的速率，所以从识别率和识别效率两个方面探究最合适的图结构维度。实验时，所有图均采取8-NN的顶点连接方式。可以通过改变图像块的尺寸和划分时图像块之间的重叠率得到以下不同数量的顶点，因为增加图像块的重叠率，效果近似于减小了图像块的尺寸，都使顶点数目变化即图结构维度改变。图5-1三模态不同维度图结构识别率和单张识别时间实验结果图5-1显示了三模态不同维度图结构的实验结果，左边为单模态的识别率（%），右边为单张识别时间（ms），以表达该模态的识别速率。分析实验结果可以看出，各模态的识别率总是随着图结构维度的增加而上升，结合图像块重叠率和尺寸大小分析，重叠率越高使得顶点关联性越高，提高了图像平移的鲁棒性，对识别结果有利；当尺寸越小，图像块包含方向特征越单一，这样的图结构不仅表达原图像的局部特征，同样能够描述局部特征间的关系。然而维度的增加，必然导致系统计算复杂度变大，导致单张识别时间更长。
【参考文献】：
期刊论文
[1]手指静脉图像血管网分形修复方法[J]. 李振娟,贾桂敏,杨金锋,张海刚. 信号处理. 2019(08)
[2]手指双模态特征图像感兴趣区域稳定定位方法研究[J]. 杨金锋,石滨萌. 信号处理. 2019(07)
[3]基于mutual KNN和标准化的谱聚类算法[J]. 谭马龙,文国秋,童涛,吴林,杜婷婷. 计算机工程与设计. 2019(07)
[4]手指静脉图像的概率分割方法研究[J]. 温梦娜,杨金锋. 小型微型计算机系统. 2018(07)
[5]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)
[6]Snake模型在指纹图像分割中的应用[J]. 卞维新,徐德琴. 计算机工程与应用. 2011(07)
[7]基于Delaunay三角化的指纹匹配方法[J]. 尹义龙,张宏伟,刘宁. 计算机研究与发展. 2005(09)
硕士论文
[1]基于手指融合特征的身份识别系统[D]. 石滨萌.中国民航大学 2019
[2]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
[3]手指生物特征超球粒化融合方法研究[D]. 白改燕.中国民航大学 2017
[4]相容粒度空间下的手指特征融合方法研究[D]. 刘森.中国民航大学 2014
本文编号：3141818
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3141818.html
