尺度空間理論在生物特征識別中的應(yīng)用研究.pdf

1、生物特征識別技術(shù)已經(jīng)廣泛應(yīng)用到了各個領(lǐng)域，其中虹膜識別技術(shù)在所有的生物特征識別系統(tǒng)中具有特異性高、錯誤率低、穩(wěn)定性強等優(yōu)點，已經(jīng)得到了較為成熟的發(fā)展;而新興的指靜脈識別技術(shù)是一種非接觸式活體采集的生物特征識別技術(shù)，由于其受外界干擾小，易于采集，設(shè)備造價低等優(yōu)勢也得到了廣泛推廣?，F(xiàn)有的研究一般是在較為理想的采集情況下進行的，而對于非合作式采集的數(shù)據(jù)識別性能不是很理想。例如虹膜中用戶眼睛采集距離遠近產(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別效果是需要研究的問題。
　　 本文針對現(xiàn)有的兩種生物特征識別算法對于旋轉(zhuǎn)平移縮放等常見問題魯棒性不強的問題，結(jié)合現(xiàn)有的基于尺度空間理論中的SIFT算法進行了如下的研究:
　　 (1)概述了當(dāng)前虹膜識別和指靜脈識別技術(shù)的發(fā)展現(xiàn)狀，分析了現(xiàn)有工作中常見的問題，對于兩種生物特征識別的一般框架及框架中常見的問題和常見的算法進行了分析。
　　

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，對于該算法的基本流程做了概述，同時分析了SIFT算法的優(yōu)勢，為生物特征識別應(yīng)用提供理論支撐。
　　 (3)分析現(xiàn)有的將SIFT算法引入虹膜識別中解決旋轉(zhuǎn)平移縮放問題的算法的不足:如特征點提取不足導(dǎo)致識別率較低，特征點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的虹膜識別框架，在現(xiàn)有的中科院公開數(shù)據(jù)庫上測試性能，并與相關(guān)的基于SIFT的虹膜識別算法比

4、對，實驗證明本文算法能夠有效提升系統(tǒng)的識別性能。
　　 (4)首次將SIFT算法引入到指靜脈識別中用于解決指靜脈識別中因旋轉(zhuǎn)問題產(chǎn)生的性能下降問題。首先通過自建數(shù)據(jù)庫進行了相應(yīng)匹配參數(shù)的合理選擇，然后對于非旋轉(zhuǎn)的標(biāo)準(zhǔn)數(shù)據(jù)庫與現(xiàn)有的基于二進制的典型算法LBP進行性能上的比對，最后通過構(gòu)建大角度旋轉(zhuǎn)虛擬數(shù)據(jù)庫測試算法對于旋轉(zhuǎn)的魯棒性。實驗結(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)庫上對于旋轉(zhuǎn)平移具有很好的健壯性。
　　 本文雖然對于現(xiàn)有的兩種生物特征識別做了一定的工作，但是還存在一些不足之處需要后期改進，例如虹膜識別中對于特征提取時間偏高，可以采用聚類的方法對于同類的特征進行提取，對于指靜脈識別中匹配點對在某些樣本中同源匹配對數(shù)偏少等，可以考慮采用SVM算法對于提取的特征向量進行分類，這樣可以有效彌補只用匹配對數(shù)硬性