尺度空間理論在生物特征識(shí)別中的應(yīng)用研究.pdf

1、生物特征識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用到了各個(gè)領(lǐng)域，其中虹膜識(shí)別技術(shù)在所有的生物特征識(shí)別系統(tǒng)中具有特異性高、錯(cuò)誤率低、穩(wěn)定性強(qiáng)等優(yōu)點(diǎn)，已經(jīng)得到了較為成熟的發(fā)展;而新興的指靜脈識(shí)別技術(shù)是一種非接觸式活體采集的生物特征識(shí)別技術(shù)，由于其受外界干擾小，易于采集，設(shè)備造價(jià)低等優(yōu)勢(shì)也得到了廣泛推廣?，F(xiàn)有的研究一般是在較為理想的采集情況下進(jìn)行的，而對(duì)于非合作式采集的數(shù)據(jù)識(shí)別性能不是很理想。例如虹膜中用戶眼睛采集距離遠(yuǎn)近產(chǎn)生的圖像縮放，靜脈采集中由于旋轉(zhuǎn)產(chǎn)生的圖

2、像旋轉(zhuǎn)等問題都是在實(shí)際采集中不可避免的。如何能夠在非理想采集情況下取得理想的識(shí)別效果是需要研究的問題。
　　 本文針對(duì)現(xiàn)有的兩種生物特征識(shí)別算法對(duì)于旋轉(zhuǎn)平移縮放等常見問題魯棒性不強(qiáng)的問題，結(jié)合現(xiàn)有的基于尺度空間理論中的SIFT算法進(jìn)行了如下的研究:
　　 (1)概述了當(dāng)前虹膜識(shí)別和指靜脈識(shí)別技術(shù)的發(fā)展現(xiàn)狀，分析了現(xiàn)有工作中常見的問題，對(duì)于兩種生物特征識(shí)別的一般框架及框架中常見的問題和常見的算法進(jìn)行了分析。
　　

3、(2)介紹了尺度空間理論的基本思想，以及其中的典型算法SIFT，對(duì)于該算法的基本流程做了概述，同時(shí)分析了SIFT算法的優(yōu)勢(shì)，為生物特征識(shí)別應(yīng)用提供理論支撐。
　　 (3)分析現(xiàn)有的將SIFT算法引入虹膜識(shí)別中解決旋轉(zhuǎn)平移縮放問題的算法的不足:如特征點(diǎn)提取不足導(dǎo)致識(shí)別率較低，特征點(diǎn)丟失和噪聲引入等問題。在此研究基礎(chǔ)上提出了一套適合基于SIFT的虹膜識(shí)別框架，在現(xiàn)有的中科院公開數(shù)據(jù)庫上測(cè)試性能，并與相關(guān)的基于SIFT的虹膜識(shí)別算法比

4、對(duì)，實(shí)驗(yàn)證明本文算法能夠有效提升系統(tǒng)的識(shí)別性能。
　　 (4)首次將SIFT算法引入到指靜脈識(shí)別中用于解決指靜脈識(shí)別中因旋轉(zhuǎn)問題產(chǎn)生的性能下降問題。首先通過自建數(shù)據(jù)庫進(jìn)行了相應(yīng)匹配參數(shù)的合理選擇，然后對(duì)于非旋轉(zhuǎn)的標(biāo)準(zhǔn)數(shù)據(jù)庫與現(xiàn)有的基于二進(jìn)制的典型算法LBP進(jìn)行性能上的比對(duì)，最后通過構(gòu)建大角度旋轉(zhuǎn)虛擬數(shù)據(jù)庫測(cè)試算法對(duì)于旋轉(zhuǎn)的魯棒性。實(shí)驗(yàn)結(jié)果顯示本文的提出的算法在非旋轉(zhuǎn)數(shù)據(jù)庫上EER為1.71％優(yōu)于LBP的2.67％。同時(shí)構(gòu)造的旋轉(zhuǎn)

5、數(shù)據(jù)庫上EER穩(wěn)定在2.6％左右，但是LBP算法性能急劇下降，這表明本文算法在指靜脈數(shù)據(jù)庫上對(duì)于旋轉(zhuǎn)平移具有很好的健壯性。
　　 本文雖然對(duì)于現(xiàn)有的兩種生物特征識(shí)別做了一定的工作，但是還存在一些不足之處需要后期改進(jìn)，例如虹膜識(shí)別中對(duì)于特征提取時(shí)間偏高，可以采用聚類的方法對(duì)于同類的特征進(jìn)行提取，對(duì)于指靜脈識(shí)別中匹配點(diǎn)對(duì)在某些樣本中同源匹配對(duì)數(shù)偏少等，可以考慮采用SVM算法對(duì)于提取的特征向量進(jìn)行分類，這樣可以有效彌補(bǔ)只用匹配對(duì)數(shù)硬性