没有合适的资源?快使用搜索试试~ 我知道了~
基于球面Haar小波和卷积神经网络的飞行员虹膜识别.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 32 浏览量
2023-02-23
20:10:42
上传
评论
收藏 429KB DOCX 举报
温馨提示
试读
14页
基于球面Haar小波和卷积神经网络的飞行员虹膜识别.docx
资源推荐
资源详情
资源评论
1. 引言
随着机器视觉的不断发展,各种新兴的生物识别技术开始出现并得到广泛应用,虹膜
识别就是其中很有代表性的一种。由于虹膜识别具有唯一性、稳定性、安全性等优点,以
及虹膜作为眼球的一部分,一般情况下不会受到损坏,相对于其他生物识别技术来说具有
较高的优越性,因此广泛应用于如移动支付、门禁系统以及智能手机和计算机的解锁等涉
及身份信息确认的众多场景。但是传统虹膜识别由于拍摄和图像转换等原因准确率并不
高,如何提高虹膜识别的准确率和识别速度就成为热门的研究话题。显然,提高虹膜识别
有两种有效途径:一是提取更加有效的虹膜特征,二是建立更为有效的分类器。本文的出
发点在于,提取一种更加新颖的虹膜球体表面特征,获取更加精细的虹膜球体局部信息。
2002 年 Ma 等人
[1]
提出使用一组 Gabor 滤波器来捕获局部和全局虹膜特征,设计一种
基于加权欧几里得距离的虹膜特征识别方法,该方法显著改善了识别精度与模型运行时
间。Yao 等人
[2]
提出了一种基于改进的 Log-Gabor 滤波器的虹膜识别算法。由于具有严格
带通的特性使得 Log-Gabor 滤波器比复杂 Gabor 滤波器更适合于提取虹膜相位特征。Nabti
等人
[3]
采用多尺度边缘检测方法作为预处理步骤以有效地定位虹膜,并提出了一种使用矩
不变量的特征向量表示和基于异或运算的快速匹配方法。2012 年,Proença 等人
[4]
提出一种
基于虹膜颜色和形状的多特征融合识别方案,实现无噪声虹膜动态划分。Santos 等人
[5]
提
出 1 维小波、2 维小波、Gabor、局部二值模式(Local Binary Patterns, LBP)和尺度不变特征
转换(Scale-Invariant Feature Transform, SIFT)的多特征融合的虹膜识别方法,识别结果得到
了显著改善。Tan 等人
[6]
提出结合虹膜纹理、虹膜颜色、皮肤纹理和睫毛分布的虹膜识别方
法。这种方法包含了虹膜外部有效特征,但也使得运算更为复杂,且易受干扰。2015 年
Huo 等人
[7]
提出一种融合 Gabor 滤波器和直方图变换的虹膜识别方法,该方法也获得了良
好的识别效果。2016 年 Kumar 等人
[8]
提出一种基于 2 维离散余弦变换(Discrete Cosine
Transform, DCT)的虹膜特征提取与识别算法,其中 2 维 DCT 可以用于提取虹膜上最具区
分度的特征。2019 年刘元宁等人
[9]
使用 2 维 Haar 小波提取虹膜纹理特征作为频域特征并与
使用二分统计局部二值模式提取的空域特征相结合,提出一种特征加权融合的虹膜识别算
法。将 Gabor 滤波与 Haar 小波相结合,提取虹膜特征实现虹膜 2 次识别的方法也能取得较
好的效果。
上述方法在不同数据集上都取得了不错的虹膜识别效果,但是这些研究大多使用虹膜
平面图像信号,未曾涉及虹膜球体表面信号。虹膜是一种复杂球状体,其表面是一种复杂
曲面,而不是一个平面。曲面的几何特征信息是虹膜图像的有效特征信息。显然,研究一
种可以表达球体表面信号的方法对于虹膜识别至关重要。球面 Haar 小波基(Spherical Haar
Wavelet, SHW)具有球状表面信号分析能力
[10]
,而目前比较有代表性的 SHW 主要有以下 3
种:
第 1 种是以 Bio Haar 小波基为代表的半正交球面 Haar 小波基,其对于平滑的函数和
信号具有较好的处理能力,利用其定位特性,可以简单高效地实现很多球面图像处理算
法,比如局部平滑和增强。但由于其为半正交小波基,不能使用 K 最大近似策略(K-largest
approximation strategy)得到最佳近似,因此与其他正交或几乎正交(nearly orthogonal)的小波
基相比,寻找 Bio Haar 小波基的最佳近似会更困难。
第 2 种为以 Pseudo Haar 小波基为代表的伪 Haar 小波基,其并不是[Math Processing
Error]L2(S2,dω)空间中的基,与真正的球面 Haar 小波基相比,伪 Haar 小波基并不需要在
运行时计算滤波系数,其滤波系数始终与平面的非标准 Haar 小波相同。伪 Haar 小波基不
能表示较小的细节信息,与正交基和几乎正交基相比,在近似球面信号时效率更低。
第 3 种是以 Nielson 和 Bonneau 小波基为代表的几乎正交球面 Haar 小波基。当球面三
角形域逐渐变为平面时,该类型小波基变为完全正交的小波基,其解决了对称性和完全正
交性无法同时实现的问题,同时与 Bio Haar 小波基相比,在相同的分解尺度下以及使用相
同比例的小波系数时,均方根误差更小,在提升了效率的同时计算复杂度并没有增加。但
当球面三角网络细分层度较低时,其正交性较差,此时使用其近似球面信号误差较大。
由此可见,大部分球面 Haar 小波基都不可避免地存在各种缺点,无法保证在各种条
件下对球面信号的分析和近似表示始终保持较高的精度。因此,本文聚焦一种正交对称的
球面 Haar 小波基,它可以有效表示虹膜球体表面信号。目前,对正交对称的球面 Haar 小
波基的研究很少见报道。它可以处理复杂拍摄条件下出现曲面扭曲,以及无法获得很好的
特征表示等问题。
显然,发展正交且对称的球面 Haar 小波基对于虹膜识别是一种全新的特征提取方
法,具有重要理论意义和巨大的应用价值。正交对称球面 Haar 小波(Orthogonal and
Symmetric Spherical Haar Wavelet, OSSHW)基是以球面内接正八面体为基础使用球面三角形
划分球面,并在此基础上构建一种离散的 OSSHW 基。本文提出一种基于正交对称的 Haar
小波和卷积神经网络的飞行员虹膜识别方案。使用 OSSHW 得到的虹膜特征输入卷积神经
网络中进行识别,如图 1 所示。
图 1 仿真实验流程图
下载: 全尺寸图片 幻灯片
本文的结构如下:第 2 节给出球面谐波函数以及各类球面 Haar 小波基;第 3 节给出
正交且对称的球面 Haar 小波基的定义与推导过程;第 4 节给出仿真实验,使用球面谐波函
数以及 5 种不同的球面 Haar 小波基对球面虹膜信号进行处理,提取虹膜特征,并使用构建
深度学习网络实现对虹膜特征的识别,对比球面谐波函数和这些球面 Haar 小波基的优点与
不足;第 5 节是结论。
2. 球面 Haar 小波基与球面谐波函数
2.1 球面 Haar 小波基
2.1.1 Bio Haar 小波基
考虑由测地球体构造形成的球面三角形[Math Processing Error]Tj,k
⊂
S2,k
∈
K(j),若
[Math Processing Error]α(Tj,k) 为三角形的球面面积,则定义尺度函数和双重尺度函数为
[Math Processing Error]φj,k=χTj,k,φ~j,k=α(Tj,k)−1χTj,k
(1)
其中,[Math Processing Error]χTj,k 为特征函数。对于一般化的 Haar 小波的构造,本
文只需要考虑一个确定的三角形[Math Processing Error]Tj,
∗
的子三角形[Math Processing
Error]Tj+1,l=0,1,2,3,将这些基称为 Bio Haar 函数。小波函数(m=1,2,3)为
[Math Processing Error]ψj,m=2(φj+1,m−Ij+1,m/Ij+1,0φj+1,0)
(2)
2.1.2 Nielson 小波基
Nielson 小波基是定义在嵌套三角形域上的 Haar 小波基,其主要特点为“几乎正交”,
即当球面三角形域逐渐变为平面时,小波基变为完全正交的小波基。由于小波基的正交性
在计算最佳近似时十分重要,在这方面,完全正交的小波基优于半正交小波基,具有几乎
正交特性的 Nielson 小波基就是对半正交小波基的改进。
2.1.3 Bonneau 小波基
Bonneau 小波基针对 Nielson 小波基做了改进,Nielson 小波基的重构矩阵各项为关于
子三角形面积的 2 次项,Bonneau 小波基同样为几乎正交的,但重构矩阵具有更低阶次的
系数多项式。
2.1.4 Pseudo Haar 小波基
Pseudo Haar 小波基根据最优三角 Haar 小波基构造,球面小波基于测地线构造得到,
使用测地平分线划分球面三角形。[Math Processing Error]Til 为在细分层[Math Processing
Error]l 的第[Math Processing Error]i 个三角形。对于第[Math Processing Error]l 层,定义第
[Math Processing Error]i 个尺度函数[Math Processing Error]φil(ω)为
[Math Processing Error]φil(ω)={1,ω
∈
Til0,
其他
(3)
剩余13页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3643
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功