基于深度学习的掌静脉特征提取与识别算法研究.pdf

目 录 摘 要 I ABSTRACT III 第一章 绪论 1 1.1 研究背景及意义 1 1.2 国内外研究现状3 1.2.1 静脉识别发展历史3 1.2.2 掌静脉识别技术国内外研究现状4 1.3 研究内容6 1.4 论文结构7 第二章 卷积神经网络与生成对抗网络 8 2.1 卷积神经网络发展历史8 2.2 卷积神经网络组成部分9 2.2.1 卷积层9 2.2.2 激活函数 10 2.2.3 池化层 11 2.2.4 全连接层 11 2.2.5 LeNet-5 网络 11 2.3 生成对抗网络 12 2.3.1 KL 散度和JS 散度 12 2.3.2 生成对抗网络的损失函数 13 2.3.3 深度卷积生成对抗网络 15 2.4 总结 16 第三章 基于U 型生成对抗网络的手掌静脉提取算法研究 17 3.1 引言 17 3.2 掌静脉感兴趣区域提取 18 3.2.1 手部区域的分割 18 3.2.2 关键点提取 19 3.2.3 手掌感兴趣区域的提取20 3.3 基于U 型生成对抗网络的手掌静脉提取方法22 3.3.1 图像的标注22 3.3.2 U 型生成对抗网络23 3.3.3 静脉特征的分割25 3.3.4 匹配26 3.4 实验结果及分析26 3.4.1 数据库的介绍27 3.4.2 评价指标28 3.4.3 静脉分割结果29 3.4.4 静脉认证结果及分析29 3.5 总结31 第四章 基于单张训练样本的掌静脉识别算法研究 32 4.1 引言32 4.2 基于多尺度生成对抗网络的掌静脉图像生成方法33 4.2.1 多尺度学习33 4.2.2 生成器与判别器33 4.2.3 模型的训练和图像的生成34 4.3 基于单张图像的掌静脉识别方法35 4.3.1 卷积神经网络35 4.3.2 卷积神经网络的训练37 4.4 实验结果及分析39 4.4.1 数据库的介绍39 4.4.2 参数选择39 4.4.3 基于单张图像的识别实验42 4.4.4 稳定性分析实验44 4.4.5 不同方法的实验47 4.5 总结47 第五章 工作总结与展望 48 5.1 工作总结48 5.2 展望49 参考文献50 致谢56 在校期间发表论文和专利57 重庆工商大学硕士学位论文 摘要 基于深度学习的掌静脉特征提取与识别算法研究 摘 要 随着经济和科学技术的发展，尤其是互联网技术的发展，人们越来越重视个人 信息安全，加强个人身份识别技术的研究以及提高信息安全管理已经成为社会管 理的一个重要方面。掌静脉识别作为生物特征识别的一种，具有唯一性、不易复制、 活体识别以及安全等级高等优良特性，受到了越来越多的研究者和工业上的关注。 然而，手掌静脉识别存在两个问题： 第一，由于手掌静脉的采集受多种因素的影 响，使得采集的静脉图像中不仅包含着静脉而且包含着噪声和不规则的阴影，使得 具有区分性信息的静脉特征很难被有效提取，从而导致识别精度的降低；第二，在 很多应用场景下，由于识别系统的存储容量不足或是为了保护用户隐私，导致训练 集中的每个用户只有一个训练样本。然而，因为现有的静脉识别模型在这样的小样 本数据库上往往容易出现过拟合或者很难得到充分地训练，所以识别性能大大降 低。因此，基于单张图像的识别仍然是一个具有挑战性的问题。与此同时，深度学 习在计算机视觉，自然语言处理以及语音识别等方面取得了显著的成就。在这样一 个背景下，本文将深度学习应用到手掌静脉特征的提取和单张图像的识别中