【摘 要】
:
生物特征识别(人脸、指纹、掌纹等模态)是一种新型的、极具发展前景的身份认证方式。与其它模态相比,指节纹(Finger-knuckle-print,FKP)具有丰富鉴别特征,不易磨损,用户接受性强,获取成本低等优势,逐渐成为近年的主流研究对象之一。同时,编码类指节纹识别算法具有无需训练,存储量低,匹配速度快等特点,也成为了一种重要的实用性技术。现有的编码类指节纹识别研究中存在着以下两个问题。问题一,
论文部分内容阅读
生物特征识别(人脸、指纹、掌纹等模态)是一种新型的、极具发展前景的身份认证方式。与其它模态相比,指节纹(Finger-knuckle-print,FKP)具有丰富鉴别特征,不易磨损,用户接受性强,获取成本低等优势,逐渐成为近年的主流研究对象之一。同时,编码类指节纹识别算法具有无需训练,存储量低,匹配速度快等特点,也成为了一种重要的实用性技术。现有的编码类指节纹识别研究中存在着以下两个问题。问题一,现有的算法中大多使用正方形卷积核滤波器来提取图像特征,而指节纹纹理分布具有较强的一致性,线条方向较为集中,从而导致正方形卷积核提取出的方向特征不具有较好的鉴别性。问题二,现有的算法中在模板匹配步骤中几乎均是根据两张图片之间所提特征计算出的单一匹配距离来判断样本是否为同一个人,而一些模糊样本无法通过单一匹配距离来进行有效区分,导致较高的错误接受率和错误拒绝率,从而影响了整体识别效果。针对问题一中正方形卷积核提取出的图片方向特征不具有较好的鉴别性的问题,本文提出了一种基于Gabor卷积核变换的特征提取方法,该方法采用矩形卷积核替换正方形卷积核来提取图片的特征信息,矩形卷积核相比于正方形卷积核,既能够提取到指节纹的局部方向信息,又能够提取到更多纹理线条间的差异化信息,使得滤波器能够提取到更丰富的特征信息。同时,本文从提取效果和时间两方面对于滤波器数量设定进行了实验分析,选择出了最佳的滤波器数量。最后,还将Gabor滤波器组提取的特征信息进行编码得到均值特征编码和主方向特征编码,将均值特征和主方向特征进行特征融合,进一步提升了整体的识别效果。针对问题二中模糊样本无法根据所计算的单一匹配距离进行有效判断的问题,本文提出了一种轻量化的多维匹配距离融合的方法。该方法基于不同编码类算法匹配距离之间的差异性和互补性,利用支持向量机(Support vector machine,SVM)对这些匹配距离构造出多维特征向量进行分类和再加工,从而有效判断出一些单一匹配距离无法判断的模糊样本。同时,该方法具有极强的通用性,可以嵌入到现有的编码类方法中,无需再产生新的特征提取算法。本文验证了从二维匹配距离到四维匹配距离的有效性,并比较了不同维度之间的性能,选择出了最佳的维度,在模板匹配步骤中提高了识别的效果。本文在公开指节纹数据库Ploy U-FKP上对上述方法进行了大量的基于MATLAB的仿真实验。实验表明,基于Gabor卷积核变换的特征提取算法效果提升良好,最终效果均优于现有经典编码类算法;基于多维匹配距离融合的方法相比于单一匹配距离均有所提升,且二维匹配距离融合效果提升最为明显,同样优于现有经典编码类算法。
其他文献
天线调谐(阻抗匹配)作为无线通信设备的关键性技术之一,不仅关系到通信信号的传输效率,同时也是减少传输线路反射电流、保障系统正常工作的有效途径。星载低频频率步进雷达是一台低功率、超宽带的空间等离子体探测系统,采用500米偶极子天线,覆盖30 k Hz~3 MHz以5%步进的发射频率范围。在大部分频点,固定尺寸的偶极子天线都处于阻抗失配状态,严重影响信号传输质量以及系统工作稳定性。另一方面,天线处于不
在临床实践中,由于磁共振成像可通过使用不同对比度设置生成多张磁共振图像,从而为临床诊断提供丰富的多对比度信息。然而,过长的扫描时间增加了生理运动的敏感性,这将会降低成像效果。因此,随着扫描次数的增加,在不牺牲图像结构信息的前提下,迫切需要可以缩短扫描时间的技术来降低成本、减少病人的不适。压缩感知可以通过减少直接由机器获得的K空间(即傅里叶空间)测量数据来加速磁共振成像。压缩感知理论研究表明,如果经
超声成像是目前临床运用最广泛的医学成像技术之一,具有对人体伤害小,操作过程较为简单等特点,然而随着新冠肺炎(COVID-19)在全世界的流行,医护人员在超声检查中需要频繁与感染病人进行问诊接触,给医护人员带来极大的感染风险。为了降低医护人员感染COVID-19的几率,降低医护人员工作量,急需智能超声机器人代替医护人员对病患进行超声扫描工作。然而现有的智能超声机器人往往难以实现超声扫描的自动化,同时
与单基合成孔径雷达(Synthetic Aperture Radar,SAR)相比,双基合成孔径雷达(Bistatic Synthetic Aperture Radar,Bi SAR)的灵活构型使其能够从照射区域获得更丰富的散射信息。其中,BFSAR(Bistatic Forward-looking Synthetic Aperture Radar,BFSAR)是一种重要的双基成像模式,具备前视成
智能电网的发展使得传统配电网日益成为一个典型的配电信息物理系统(Cyber Physical Distribution System,CPDS)。实体的物理电网与信息技术、通信技术等所支撑起来的信息网络高度融合,提高了配电网的运行管理水平,同时信息网络的故障也通过这种互相耦合的关系传递到物理电网。因此对CPDS的可靠性评估不再局限于仅考虑物理网络,探求CPDS中信息网络与物理网络间的交互作用机理,
近几年,卷积神经网络(CNN)已是深度学习中的各类研究的首选网络。受益于CNN强大的特征表示能力,早期的模型通过基础CNN进行人群计数研究,与传统的手工特征相比,获得了显著的性能改善。目前,更加有效的基于全卷积网络(FCN)的模型成为人群计数研究中的主流模型。然而目前的深度模型,在处理尺度变化问题时,仅粗略的分为几个等级,在获取人群的特征时,直接使用VGG16提取特征。这将导致在应对复杂背景和尺度
X射线CT(Computed Tomography,简称CT)是临床诊断中广泛使用的医学影像学检查方式,其辐射剂量大小备受人们关注,患者所接受的高剂量CT辐射会增加潜在的患病风险,例如增加患癌症的可能性。针对如何在尽可能低的扫描剂量条件下获取与常规剂量CT质量相近的CT图像,即低剂量CT(Low-dose CT,简称LDCT)的研究显得格外重要。因此,使用LDCT进行临床研究有很强的研究意义,是X
快速发展的量子算法和量子计算机技术,给现有大部分依赖于计算复杂性的传统密码算法带来了巨大的安全威胁。量子密钥协商协议不再依赖数学上的计算复杂度保证其安全性,利用量子比特承载密钥信息,一旦检测到量子比特在传输过程中遭受到恶意窃听便中止协议。量子密钥协商协议能够抵御拥有完全量子能力的窃听者的攻击,保证信息论意义上的无条件安全性。半量子概念有效地降低量子通信的运维成本,有利于促进量子密钥协商的实际应用。
电力是国家发展的命脉,电力行业运行的各个环节都会产生大量的数据信息,对这些电力数据进行挖掘意义重大。针对传统机器学习方法人工提取电力数据特征容易丢失特征信息,导致挖掘效果差的问题,本文结合当前热门深度学习方法对95598平台产生的电力工单文本进行挖掘分析。主要工作如下:首先,收集了浙江省95598电力工单文本数据,删除其中一些空白、乱码等工单,将剩下的数据进行标注生成训练标签,为后续的文本挖掘做准
6G将全面实现物联世界的数字化,以可见光、射频等多种介质融合的通信感知一体化技术是6G的核心关键技术之一。室内作为信息产业及数字经济绝大部分连接的产生场景,是6G最核心的应用场景,因此,基于可见光等介质融合的通信感知一体化技术必须解决好室内可见光复杂传播环境相关的问题。本文将重点聚焦于高精度、低复杂度的室内可见光通信信道建模,以全面、准确、实时地刻画室内可见光传输路径的空间、时间、功率分布,从而形