静脉信息编码与辨识PDF电子书下载

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 第一代单源手背静脉图像采集装置 32

2.3 基于质量评价的自适应光照控制策略 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

4.3.2 RootSIFT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 圆形邻域LBP 135

5.2.3 Uniform LBP模型 137

5.3 最大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

5.3.2 DLBP？模型特性分析 142

5.3.3 DLBP？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DLBP？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

6.2.1 DCNN模型历史发展 167

6.2.2 DCNN模型分析 168

6.3 基于结构自生长静脉识别模型 174

6.3.1 静脉识别网络结构设计 175

6.3.2 小样本网络结构自生长策略 176

6.3.3 结构自生长网络训练方法 177

6.3.4 结构自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 基于线性分类指导的任务特定知识迁移网络训练 193

6.4.4 改进边界分布SVM 194

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