【摘 要】
：
指静脉识别作为一种生物特征识别技术。实现原理是依据特定波长的红外光线照射手指获得静脉影像,通过提取静脉影像特征来进行个体身份识别认证。由于其实现原理的特性,指静脉识别技术是一种非接触式的生物特征识别手段。在当前新冠疫情的背景下,该识别技术能够在有效的保证个体识别准确率的情况下,避免交叉感染。指静脉识别相较于其他识别技术,还有活体识别、精确度高、识别速度快等优点。本文从手指静脉图像的预处理,图像增强
论文部分内容阅读
指静脉识别作为一种生物特征识别技术。实现原理是依据特定波长的红外光线照射手指获得静脉影像,通过提取静脉影像特征来进行个体身份识别认证。由于其实现原理的特性,指静脉识别技术是一种非接触式的生物特征识别手段。在当前新冠疫情的背景下,该识别技术能够在有效的保证个体识别准确率的情况下,避免交叉感染。指静脉识别相较于其他识别技术,还有活体识别、精确度高、识别速度快等优点。本文从手指静脉图像的预处理,图像增强和特征提取识别等几个方面,对指静脉识别的相关重点技术进行了深入的分析和探索,来不断提升识别算法的准确性。本文的研究内容主要如下所示:1.本论文首先深入研究了手指静脉的预处理技术。基于前期的静脉图像噪声去除和处理,提出了一种有效的感兴趣区域（ROI）提取算法,然后采用归一化算法对图像的尺寸和灰度进行了统一。最后使用基于谷型算法对静脉图像进行分割处理,获取静脉的全局纹路特征。2.从提升算法识别率的角度考虑,本文研究了图像的全局特征提取,并在图像识别阶段采用机器学习算法对静脉图像进行特征识别。在局部特征提取过程中,提出了基于分块LBP的组合特征提取算法。最后使用SVM对分块LBP特征进行分类训练。本文提出的分块LBP提取算法与HOG、SIFT和SURF等其他传统全局特征提取算法相比,在相关数据集上得到的实验准确率高达99.3%,准确率有明显提升。3.为进一步提升算法的识别速度,本文探索了目前图像领域主流的深度学习算法。首先提取静脉图像的传统LBP特征,然后使用改进的CNN网络对该LBP特征进行了训练,最后采用Softmax层对神经网络的输出进行了多分类预测。实验结果表明深度学习算法相较于传统的特征提取算法,在识别速度方面有明显的提升,充分验证了卷积神经网络算法对于指静脉特征提取的有效性和快速性。4.最后本文针对以上研究的算法,分别使用MATLAB工具软件和MFC开发了指静脉识别系统。通过该图像用户界面可以实时观测算法的处理过程和识别过程,为进一步优化和集成静脉识别算法提供了良好的实现平台。
其他文献
多智能体系统是由多个通过与环境动态交互来优化策略的智能体组成,其目的是通过系统内的多个智能体间的高效协作来完成复杂的全局目标。现有研究表明,深度强化学习可以有效增强每个智能体的学习和决策能力。然而,多智能体强化学习的研究还面临环境动态变化和维度灾难导致的协作不充分问题。本文针对多机器人系统这一典型的多智能体系统,面向动态环境下多机器人协同导航和多机器人无线通信资源资源分配任务需求,研究了基于多智能
当下汽车工业正经历百年未有之大变局,电动化、智能化引领的汽车工业变革,正在催生不断变革的新一代电子电气架构,深刻影响全球汽车产业格局和汽车工业研发体系。不断突破的先进电化学技术提升了电池可靠性和续航能力,推动了整车动力系统从内燃机向电动化转型,同时也提高了对电池状态精准监控和电池管理系统功能安全的要求。本文针对实验室与某电池制造商合作的电池管理系统基础软件功能安全展开研究。本文依照ISO 2626
在过去数十年,全球范围内的皮肤病患者数量一直在急速增加,但相应的医疗设施和就诊意识却没有同步得到提高,患者普遍无法接受到足够的治疗。与此同时,使用人工智能算法进行辅助诊治的研究成果日益斐然,但普遍缺少直接提供辅助诊断服务的能力。因此本文研究旨在实现色素性皮肤病的自主辅助诊断系统,提供自主疾病监测服务,另一方面,医疗领域本身也存在着标注数据成本高、难度大的问题,这也使得研究解决少量数据集训练的问题成
图像语义分割旨在实现像素级的标签分类,是人工智能的热门研究方向之一。语义分割作为一项基础的视觉感知任务,其可以被广泛的应用于多种场景下,如无人驾驶、视频监控以及智能医疗等。由于卷积神经网络拥有较高的可迁移性和鲁棒性,基于卷积神经网络的语义分割方法被广泛使用。注意力机制通过模拟人类视觉机制的原理可以使模型有选择性地关注图像中的重要区域,以此提升分割效果。因此本文主要对基于注意力机制的图像语义分割方法
随着虚拟现实、物联网和智能制造等新技术的日趋成熟,广泛使用的云计算无法满足海量连接下的数据传输和处理。为了得到即时的反馈,边缘计算通过把计算节点迁移至移动接入网的边缘来降低传输时延。受硬件限制,边缘节点可能达到满载从而影响计算响应的时延,降低服务质量,策略路由可以实现边缘计算下的任务调度,为了减小任务调度带来的额外时延等影响,强化学习能够使策略路由具有资源感知和负载均衡的能力。本文对边缘计算下基于
随着软件产品变得越来越庞大,越来越复杂,第三方库已经成为大多数软件的必要组成部分。开发人员通常需要用另一个库替换一个库,同时维护库的相同功能。用不同的库替换一个库,这个变动的过程就称为库迁移。库迁移是一项非常乏味并且枯燥的任务,同时,迁移往往意味着非常大的工作量。迁移过程被广泛认为是一个困难的、容易出错的和耗时的过程。这种手工流程很复杂,而且对公司来说成本很高。为了解决上述库迁移过程中的问题,本文
互联网的快速发展,给人们提供了在线学习的条件和机会,很多希望提高自身知识水平和专业技能的人都选择参与在线教育来达到目的,而不论是线上还是线下教育,都产生了大量的学习互动数据,这些数据真实地反应了学习者的兴趣话题、情感态度、学习体验等特征,因此对于教育交互数据分析的成果,可以更好地帮助学习者定位学习资源,帮助教师组织教学内容,还能帮助课程平台加强基础建设。中国大学MOOC平台是国内提供众多开放式网络
随着互联网技术的蓬勃发展,越来越多基于移动设备开发的语言学习APP在此期间应运而生。目前,此类APP主要使用了间隔重复算法来计算再次记忆单词所需要的间隔时间,帮助用户更好地记忆单词,进而提高他们学习单词的能力。但是,传统的间隔重复学习算法仅仅通过固定的公式来计算再次记忆单词的间隔时间,忽略了个体用户记忆能力和学习能力的差异性,这会导致计算的间隔时间无法自适应用户的个体化差异。因此,如何更精确地计算
航电系统是一种可靠性要求度极高的安全关键系统,形式化验证将贯穿在航电系统中的每个生命周期阶段。在工业界,EA由于其具有普适性被广泛应用在各个领域的模型构建中。而在航电领域,AADL由于其出色的航空体系架构能力而被广泛应用。如何提高EA的形式化验证能力和航电系统的体系架构分析能力,是一个待以解决的问题。针对航电系统的特点和需求,本文提出的工具链是一类模型转化器,包含Safety＿SysML和EA2A
由于移动通信网络实时性强、吞吐量大、场景复杂度高、故障有效数据易被覆盖以及通信信息数据呈现出非规则非线性等因素,目前的移动通信网络故障诊断方案往往面临资源开销大、响应慢、准确率低以及缺乏灵活性等问题。针对这些问题,本文从故障数据源获取以及诊断策略角度入手,运用限流算法、SOM算法、K-Means算法、TF-IDF算法以及3GPP相关知识等方法提供了一种低开销、快速、准确、轻量通用的智能化故障诊断方