静脉信息编码与辨识

前言
1绪论1
1.1手部多源信息认证的研究意义1
1.2生物特征识别技术2
1.2.1生物特征识别技术概况2
1.2.2生物特征识别系统性能评价准则5
1.3静脉识别研究现状7
1.3.1静脉识别特点和系统构成7
1.3.2静脉识别系列产品9
1.3.3静脉图像采集系统设计相关研究10
1.3.4静脉匹配技术相关研究11
1.4本书研究内容15
1.4.1本书主要研究工作15
1.4.2本书的章节安排18
2手部多源生物特征信息采集系统22
2.1静脉图像采集简介22
2.2单源手背静脉图像采集装置设计23
2.2.1成像光源系统设计23
2.2.2图像传感器及镜头设计28
2.2.3代单源手背静脉图像采集装置32
2.3基于质量评价的白适应光照控制策略34
2.3.1图像锐化及对比度分布描述子36
2.3.2图像光照组分估计38
2.4多源信息同步采集及数据库建立43
2.4.1手部多源生物特征信息同步采集装置设计43
2.4.2手部多源生物特征图像数据库构建48
2.5本章小结50
3静脉骨架提取与匹配52
3.1静脉图像模板生成52
3.2基于光照背景估计的鲁棒静脉图像分割53
3.2.1静脉图像分解及不均匀分布修正53
3.2.2基于偏置修正的鲁棒静脉图像分割60
3.3改进模板生成及匹配识别68
3.3.1静脉分割图像细化与裁剪68
3.3.2鲁棒静脉匹配模板生成70
3.3.3基于MHD判定的模板匹配72
3.4基于WDM特征的改进匹配策略设计75
3.4.1宽度信息描述子生成76
3.4.2基于WDM和改进模板匹配的鲁棒静脉识别实验79
3.5本章小结81
4对比度增强依赖静脉图像特征编码模型84
4.1特征编码模型鲁棒性84
4.2依赖编码模型分析85
4.2.1基于SIFts的对比度依赖特征编码模型分析85
4.2.2先进对比度增强方法88
4.2.3对比度依赖模型问题分析实验92
4.3基于镜像匹配策略的模型改进101
4.3.1特征点镜像匹配策略设计101
4.3.2Roo工SIF工特征提取104
4.3.3匹配实验设计及结果分析106
4.4区域选择编码与匹配109
4.4.1基于谷形算子的层级静脉分割方法设计111
4.4.2特征提取及选择模板生成策略117
4.4.3识别实验与结果分析122
4.5本章小结130
5静脉图像质量依赖纹理编码模型133
5.1图像质量评价的反馈133
5.2局部二进制编码特征134
5.2.1传统LBP编码方法134
5.2.2网形邻域LBP135
5.2.3Uniform LBP模型137
5.3优选类间方差型二进制特征编码138
5.3.1改进型局部二进制编码模式(DLBP)模型原理140
5.3.2DLBPriP，R模型特性分析142
5.3.3DLBPriP，R最优阈值计算145
5.4质量依赖静脉识别实验146
5.4.1基于CFISH的静脉图像质量分组148
5.4.2基于DLBPriP，R的分组静脉图像特征提取和匹配策略设计152
5.4.3识别实验与结果分析154
5.5本章小结163
6相似图像知识迁移网络模型165
6.1高鲁棒迁移学习模型165
6.2深度卷积神经网络模型165
6.2.1DCNN模型历史发展167
6.2.2DCNN模型分析168
6.3基于结构白生长静脉识别模型174
6.3.1静脉识别网络结构设计175
6.3.2小样本网络结构白生长策略176
6.3.3结构白生长网络训练方法177
6.3.4结构白生长静脉网络识别实验179
6.4基于相似图像知识迁移网络的静脉识别185
6.4.1基于稀疏字典元素分布的图像相似度判定准则186
6.4.2“粗到细”网络微调策略设计191
6.4.3基于线性分类抬导的任务特定知识迁移网络训练193
6.4.4改进边界分布SVM194
6.4.5识别实验与结果分析196
6.5本章小结202
7多源多模态手部生物特征信息挖掘205
7.1双模态识别网络205
7.2静脉图像潜在性别判定信息挖掘206
7.2.1基于生物特征信息的性别判定模型相关研究207
7.2.2基于滤波器模型的静脉性别信息表征209
7.2.3基于无监督特征学习模型(USFL)的静脉性别信息表征215
7.3静脉图像多模态信息挖掘219
7.3.1性别依赖多模态静脉图像编信息码模型219
7.3.2基于相似图像知识迁移的静脉图像多模态信息挖掘226
7.4手部多源生物特征信息深度编码和识别233
7.4.1深度卷积神经网络模型相关研究分析234
7.4.2深度特征编码网络模型设计236
7.4.3基于DFLCN的手部多源信息识别实验239
7.5本章小结241
参考文献242
后记256