检索结果相关分组
- 按栏目分组
- 名人研究 (27)
- 按来源分组
- 中国科学院自动化研究所(10)
- 计算机世界(4)
- 第二届自动化与信息技术发展战略研讨会(1)
- 中国自动化与信息技术研讨会暨2004年学术年会(1)
- 中国科学院研究生院本部信息学院；中国科学院研究生院(1)
-
- 虹膜图像合成与预处理
- 作者： 韦卓识 来源：中国科学院自动化研究所 年份：2009 文献类型 ：学位论文 关键词： 虹膜识别 生物特征识别 虹膜图像预处理 虹膜合成
- 描述：生物特征识别作为一种新的身份识别的方法，克服了传统技术的缺陷，近年来受到了 越来越多的关注。虹膜作为一种生物特征，具有唯一性、稳定性、非侵犯性，以及更高的 准确性等优点，因此被广泛认为是最有前途的生物识别技术之一。虹膜图像预处理是虹膜 识别系统的重要环节，对虹膜识别系统的整体性能和实用性起着至关重要的作用。本文的 主要内容之一就是研究虾膜图像预处理中的方法，具体目标是针对预处理环节的一些关键 性问题提出解决方案，以提高系统的识别性能和安全性能。另外，鉴于目前虹膜识别测试 时普遍使用人工采集的较小规模的数据库，而采集大规模的数据库往往耗时耗力，本文的 另一个内容就是研究合成大规模虹膜图像数据库的方法，为虹膜识别算法的测试和评估提 供合成数据库平台。本文的主要贡献如下： ①提出一种虹膜图像质量评估算法。低质量的虹膜图像往往有各种表型，在本文中我 们研究了如何区别清晰虹膜图像与离焦模糊、运动模糊以及眼皮遮挡三种低质量图 像。针对以上三种情况我们分别提出了基于空域滤波器法、竖直方向高频滤波器法 和基于感兴趣区域(Region of Interest，ROI)平均灰度的方法。我们提出的方法 能够使虹膜识别系统具有更强的抗噪性能。 ②提出两种虹膜非线性矫正方法，主要针对光照变化下虹膜纹理的非线性形变问题。 我们提出的第一种方法是基于对虹膜纹理结构的一种假设，我们使用高斯模型来表 达了虹膜纹理的非线性形变。第二种方法是从虹膜纹理的表犁出发，提出了一种基 于局部斑块比对的非线性矫正方法。通过对该问题的研究，可以使虹膜识别在非理 想的外部环境更加鲁棒。 ③提出了三种虹膜图像中的印花隐形检测方法。第一种方法使用了虹膜外边缘，即虹 膜/巩膜边缘的灰度差来分类两种图像。第二种方法首先使用多通道Gabor滤波器 组和机器学习来构造虹膜纹理基元，然后用虹膜纹理基元直方图来表达虹膜图像 的纹理特征。第三种方法基于灰度共生矩阵的特征表达和以支持向量机(Support Vector Machine，SVM)为分类器的分类方法。我们所提出的方法可以大大增强虹 膜识别系统的抗攻击能力。 ④提出了虹膜图像合成方法。将块采样的纹理合成方法应用到虹膜图像合成中，取得 了非常逼真的视觉效果。通过研究虹膜图像的类内变化，对由块采样合成的虹膜图 像引入类内形变、随机扰动和旋转，合成多幅类内虹膜图像。同时，我们提出了合 成图像的评价体系，证明了我们所合成的虹膜图像是有效的生物特征。 ⑤将虹膜图像合成方法扩展到掌纹图像合成中。对于由结构纹理和随机纹理构成的掌 纹图像，通过先提取其主线结构纹理，再将由块采样合成的随机纹理与主线纹理结 合得到合成掌纹图像。类似的，通过引入类内形变，生成多幅类内图像，从而得到 合成数据库。据我们所了解，这是首次提出掌纹图像合成技术。
- 非接触式手掌图像识别
- 作者： 郝瑛 来源：中国科学院自动化研究所 年份：2009 文献类型 ：学位论文 关键词： 生物特征识别 图像融合 掌纹识别 多光谱图像处理
- 描述：随着信息技术和计算机网络技术的发展，人类的生活和工作空间得到了极大的扩展。 人们每天不仅进行面对面的交流，同时也会和各种身份的人进行远程沟通。在此背景下， 身份的识别变得越来越困难。而生物特征为身份识别提供了一种全新的、有效的、同时具 有巨大潜力的解决方案。作为人类感知和改造环境的工具，手能够提供多种生物特征，包 括手型、掌纹和静脉等。尽管学术界在这些生物特征模态的研究中所公开的识别率越来越 高，然而绝大多数基于手的生物特征模态在数据获取时，都需要用户将手放置在图像采集 平面上，同时采用定位块限制手的姿态。这样的采集方式可能引起人们对健康、卫生以及 方便方面的顾虑从而产生抗拒心理。因此，研究者逐渐将目光转向无定位块甚至非接触式 的手掌识别。然而，非接触式的采集方式使得手掌在图像上的姿态变化更大，对图像预处 理提出了巨大挑战，并最终使识别率快速下降。 为了提高非接触式手掌图像的识别率，本文围绕着图像采集、预处理及融合问题，开 展了下述研究工作： ①提出利用图像变形(Image Warping)的方法对非接触式条件下手掌纹理的变化进 行归一化以提高识别性能。由于手掌内部缺乏稳定、普遍存在的特征，因此本文利 用手掌外轮廓关键点对手掌形状进行描述，进而采用图像变形的方法对由姿态引起 的图像变化(包括平面/深度旋转，尺度，位置以及皮肤拉伸等)进行归一化。对图 像变形的结果进行基于手掌中心区域和全手纹理的识别以及对手掌不同区域和手掌 形状进行融合识别的识别率进行分析，发现图像变形方法有助于提高非接触式手掌 纹理识别的性能。 ②设计实现了非接触式多光谱手掌图像采集装置，使用该装置能够方便地对光谱进行 配置，为手掌图像识别提供光谱维的信息。利用该设备建立了包含310类、11，160幅 图像的多光谱手掌图像数据库，为后续研究提供了数据来源。 ③针对非接触式多光谱手掌图像采集装置的特点，提出相应的预处理方法，消除了成 像系统带来图像失真、改善了手掌中心区域定位的精度。利用多光谱手掌图像序列 相邻光谱图像视觉内容之间的冗余性，提出通过最大化特征层表示的互信息实现多 光谱手掌图像配准。最后，比较了不同光谱下手掌图像的识别率，通过试验证明近 红外光谱下的手掌识别具有最高的识别率和稳定性。 ④将四种具有方向性的多尺度分解方法用于多光谱图像的像素级融合。基于曲线波变 换(Curvelet)得到的融合图像相对于原始图像从特征层的质量评价、信息增益以 及匹配层的识别率等多个角度，都取得了较好的效果。在此基础上，利用多光谱图 像之间的冗余性和互补性，将多光谱图像分为组内相关性大而组间相关性小的三 组，并分别对相关光谱和互补光谱进行像素层融合。实验发现相关光谱组中的近红 外光谱融合以及互补光谱组中的近红外与红光融合所取得的识别效果最好。 ⑤在匹配分数层比较了互补光谱和相关光谱的融合。无论使用什么融合策略，互补光 谱之间的融合结果都优于相关光谱，其中将白光与近红外光图像在匹配分数层进行 融合所得到的识别率最高，大多数融合规则下甚至高于直接对所有光谱进行融合。 特别是基于DS证据理论的方法取得的结果最好，当每类有六个训练样本时，融合白 光和近红外光的识别率就超过了99.9％。