导读:本文包含了图像生物特征论文开题报告文献综述及选题提纲参考文献，主要关键词:生物识别,多生物特征,深度学习,极限学习机
图像生物特征论文文献综述
孙文辉[1]（2018）在《多生物特征图像深度学习建模与识别研究》一文中研究指出生物识别技术通过利用人与生俱来的生物特征实现有效的身份认证,与传统的身份认证技术相比,它安全性更高、易于携带且不易被盗取,在信息安全等领域有着广泛的应用。传统单模态生物特征具有一定的局限性,而多(模态)生物特征因其特征多样性和完备性,具有更高的可靠性和防伪能力,能够满足不同应用场合对识别性能的要求。目前,大多数传统的多生物特征识别方法存在着弊端:由于不同模态的输入数据差异较大,传统的特征提取与融合方法只能学习到低层次的模态间相关性,因此很难得到满意的结果。而深度学习可以弥补这种不足,深度学习的多层神经网络结构可以从原始图像中学习到高层次隐含特征,即使输入数据有较大的差异,也可以学习到抽象的模态间的相关信息从而学习到更优的特征表达。本文提出了一种新的基于堆栈极限深度学习机和核典型相关分析方法的多生物特征深度学习识别模型,利用快速极限学习机作为学习单元,构建深度神经网络模型完成多生物特征识别的任务。该模型的主要步骤如下:首先,构建基于极限学习单元的深度学习模型—堆栈极限深度学习机,用来提取多生物特征图像的高层特征表示。其次,使用基于核函数的典型相关分析方法实现多生物特征的融合表达:先将非线性的特征表示映射为线性表示,再使用典型相关分析对两组特征表示进行相关性分析,选择具有最大相关性的一组变量作为特征融合的结果。最后,利用浅层极限学习机分类器进行训练和测试。本文在多生物特征图像数据集上对该模型进行了测试,与传统的学习方法相比,本文提出的方法更为有效。(本文来源于《天津科技大学》期刊2018-04-01）
孙可嘉[2]（2018）在《基于生物特征的人脸图像质量评价与增强》一文中研究指出人脸识别技术在公共安全领域(如身份认证和刑侦破案)发挥着重要的作用。然而,由于环境光线、系统性能和人为因素的影响,实际采集的图像往往存在着各类噪声、光照不均、分辨率低、姿态多样等质量问题,这对后续的身份识别和认证算法带来巨大的挑战。现有的质量评价研究主要针对自然图像的感知质量(如清晰度,美观度等),而实际场景的人脸图像通常是在不可控条件下(各类失真、姿态变化等)获得的,而且在识别任务中图像的生物学质量(如用于身份认证的有效性)更为重要。同时,由于自然场景中捕获的大部分人脸图像都是带有一定姿态,因此在人脸合成领域,传统方法对人脸的合成存在各种问题(图像模糊,身份信息损失,纹理丢失),尤其是极端角度、复杂表情下的人脸图像,利用传统方法正脸化后的图像通常会丢失大量的信息,不利于身份认证与识别。因此,本文将讨论通过深度学习、生成对抗网络等思想,提出了两个新颖的算法:(1)基于轻型卷积神经网络的人脸图像生物学质量评价方法。为了对采集到的数据进行合理的评估,我们利用深度学习方法,结合带有最大特征映射单元激活层的轻量级网络,训练一个鲁棒的失真分类器。进而,根据图像失真分类的置信度与对应失真下人脸图像识别准确度计算最终的质量评估分数。这样的优点是将图像的质量预测与生物学特征相结合,得到的质量分数与生物学特征有着正向关系,可以很好的指示图像在识别系统中的贡献程度。然后,根据预测分数从众多采集图像中筛选出合适的图像进行识别,从而提升识别系统的有效性。(2)基于生成对抗网络的人脸转正方法。为了降低极端姿态对识别性能的影响,同时保留足够的原始信息以方便人为查看。我们的算法在将侧脸图像正脸化的同时,对原始图像的材质、光照和表情做到完好的保留。在算法设计中,我们利用Stack的结构结合生成对抗网络,对侧脸图像进行正脸化的合成和修复。最后得到一张身份合理的正面视图。这张视图在保留着和侧脸图像一致的身份信息的同时,更对人脸识别任务提供有效的帮助。(本文来源于《杭州电子科技大学》期刊2018-03-01）
魏阳[3]（2018）在《联合生物特征密钥的光学图像加密技术研究》一文中研究指出光学图像加密技术因具有低成本,高速度和高并行度的处理能力而被广泛应用在信息安全领域。光具有波长,振幅,相位,偏振等多种属性,因此光可以作为一种多维的信息载体,这就为光学图像加密技术的密钥系统提供了多种选择,增加了加密自由度,并且具有极大的保密性。由于人体具有各自独一无二的生物特征,比如指纹,虹膜,人脸,声音等,因此利用人体的生物特征进行信息加密可以提高光学图像加密系统的安全性。本论文调研了目前光学图像加密技术的发展现状,针对光学图像加密的安全性问题,提出了联合生物特征密钥的光学图像加密方法。人体生物特征密钥的使用大大提高了信息加密的安全性,增加了加密结构的复杂性,为新型的光学图像加密技术提供了参考。本论文的主要工作包括:1.介绍了光学扫描全息(OSH)的基本原理及其光学实现方式,着重分析了OSH系统的光学传递函数,并对扫描物体的光斑—菲涅尔波带片和光学扫描全息成像进行仿真模拟和分析。2.针对加密安全性的问题,提出了一种联合生物特征密钥的光学图像加密方法,介绍了gyrator变换的光学实现方式,阐述了联合加密方案的基本原理,并详细分析了其密钥的敏感度和抗攻击能力等安全性问题。3.针对加密安全性的问题,提出了一种基于生物特征阵列密钥的光学扫描全息加密方法,阐述了其加密和解密的基本原理,并分析了其密钥的敏感度和抗攻击能力等安全性问题。4.针对叁维目标的加密问题,提出了一种联合生物特征密钥对叁维目标进行光学加密的方法,阐述了其加密和解密的基本原理,采用对叁维目标用垂直切片的处理方法将其转换成多个二维平面目标加密的过程,并对整个加密解密过程进行了仿真分析。(本文来源于《上海师范大学》期刊2018-03-01）
祁娜[4]（2017）在《基于多重生物特征的文档图像水印加密研究》一文中研究指出计算机网络和信息技术的快速发展,加快了办公自动化和电子商务的发展,大量的数字信息如视频、图像、邮件、文档等通过网络传播,但随之发生的非法侵权及版权保护问题日益突出,数字水印技术也因此得到了广泛关注和研究。数字水印技术在多媒体数据中得以实现,主要依赖于这种载体信息中存在大量的冗余信息,而电子文档图像的数据冗余度相对于其他多媒体数据非常有限,这也使得基于文本图像的数字水印技术发展较为局限,存在嵌入容量低、鲁棒性差等问题。为了解决以上存在的问题,本文设计并改进了一种新的方案。通过对电子文档8位灰度图像像素值的分析,选择其中大量存在的白色像素点,使其作为新的载体图像,并利用离散小波变换和奇异值分解技术,将水印图像嵌入到新的载体图像中,再通过像素位置复原的方法,将新嵌入水印的图像还原到原始电子文档中。为了做到有效的版权保护和侵权追踪,本文嵌入的水印图像采用版权所有者的手掌或人脸等生物特征图像。实验数据表明,改进后的算法提高了嵌入容量,并改善了鲁棒性。本文还提出了基于多重生物特征的数字水印技术,可嵌入多个生物特征图像作为水印信息,以保障版权问题。对于个人来说,多个不同部位的生物特征能够进一步保证认证的安全性。合同等需要两方甚至叁方的文档材料,涉及多个当事人的个人信息,而多重生物特征的水印嵌入也解决了多方认证的问题,所以本文算法为涉及多方的版权追踪及身份认证提供了极大帮助。为了进一步保证电子文档图像在传输过程中的安全性,本文提出了一种图像加密算法,对嵌入水印后的图像做加密运算。该算法使用Logistic混沌映射和DNA序列对图像进行像素位置置乱,并扰乱其像素值,再使用叁维Lorenz混沌系统进行像素值融合,生成加密图像。在本文提出的算法中,使用水印图像像素值作为密钥组成部分,使算法具有更好的密码学性能。对本文提出的算法进行相关的实验,通过与其他算法对比以及相关的评测指标,结果证明本文算法表现出更好的加密效果,密钥空间大,且敏感性强,能够抵抗穷举攻击和统计攻击。(本文来源于《哈尔滨工业大学》期刊2017-12-01）
闫雪萍[5]（2017）在《手部图像的生物特征检测与识别》一文中研究指出智能机器人技术快速发展,已在制造系统中广泛应用,人机协调装配技术可以满足复杂机电产品装配系统的高柔性需求。在人机协调机械装配系统中,利用用用图像进行手部生物结构检测,实现机器人系统对操作人员手部装配动作和意图的识别,对于提高机器人智能化具有重要的理论意义和工程应用前景。本文通过对装配图像中手部生物特征的提取、分析与识别,实现了基于生物特征的装配手形动作的检测。在指节图像随机特征的基础上,利用同态滤波进行图像预处理,对不同位置处的手部关节利用高斯过程模型对图像二类特征进行学习,将经过标记的两种模型似然值作为输入,直接依据估计结果对含有手指关节的图像进行关节检测,实现了基于随机聚类特征信息的手部关节识别。通过检测肤色聚集度和选取YCbCr肤色模型用作肤色分割,并将Otsu算法中灰度平均方差代替灰度均值,使用动态阈值将肤色目标分割出来,运用形态学操作来消除多余的毛刺和填补空洞。在考虑手部生物结构特征的基础上,将肤色信息和手部图像中的多生物特征进行关联与综合,使用B样条完成指形拟合,采用凸包检测和曲率判别的方式实现指尖、指根和掌心的位置检测,同时结合指节图像的检测结果,丰富指形区域内的局部特征信息,实现手部图像多生物特征的有效检测与识别。利用双目特征匹配算法对手部图像进行完整的视差计算,对特征匹配算法进行改进,从左右视图中提取特征,利用基于梯度视差的特征匹配算法,对单个图像进行视差距离分布计算,并匹配得到相应的视差图。同时将特征匹配算法与区域匹配算法进行相结合,综合考虑肤色分割和手部生物结构等多种特征,实现手部关节特征的有效匹配。(本文来源于《西安理工大学》期刊2017-06-30）
赵梓汝[6]（2017）在《生物特征图像的高效图像安全编码研究》一文中研究指出互联网技术的迅猛发展带来了信息共享、信息交流的时代,与此同时,随着指纹识别、掌纹识别、虹膜识别、人脸识别技术的研究和发展,生物特征图像识别技术依据生物特征普遍性、唯一性的特点,在军事、生物医疗、政治等对信息安全要求极高的领域广泛应用。生物特征图像以常规数字图像的方式进行信息存储,因而其所占用存储空间大。由于传输带宽和存储空间有限,且有关生物特征图像的数据信息在传输的过程中可能存在被破解权限、窃取密码的风险。因此,本文结合图像压缩和图像加密技术,能够保障解密重构后图像不失真的同时,降低密文的存储空间,实现对生物特征图像高效地加密,进而保障其信息的安全性。同时我们在对图像进行压缩的过程中完成对图像的加密,能够契合现代科技高速、高效的需求。本文主要研究压缩感知过程,针对生物特征图像实现结合压缩感知过程的加密算法进行研究,以实现生物特征图像加密和信息保护,保障密文解密重构后的图像质量高,从而降低对后续生物识别技术精确度影响。本文主要从以下两大方面进行研究:(1)我们提出一种基于对偶树复小波变换的压缩感知的生物特征图像加密算法。采用对偶树复小波变换对图像稀疏表示,能够克服传统离散小波变换平移敏感性及缺乏方向敏感性的缺点,增强图像的纹理信息和边缘信息,变换系数更具有稀疏性。采用噪声整形算法,最大限度地削弱非零变换系数的个数以及聚集变换系数高频部分的能量,从而达到减少小波系数降低冗余的目的。从仿真实验结果可以发现:选用对偶树复小波变换比离散小波变换的解密重构出的图像质量高,同时噪声整形算法对提升图像质量有明显的效果,基于Fibonacci置乱次数作为一个关键密钥,能够增强加密算法安全性的同时,实现密文更加均匀分布。(2)针对噪声对重构后图像质量影响较大的问题,我们在压缩感知加密算法中融入高鲁棒性的双随机相位编码技术,同时为了扩大密钥空间及增强算法的安全保密性,选择对初始值敏感的混沌系统用于生成测量矩阵。经过仿真实验发现:密文以平稳的白噪声的形式输出,而密文的灰度直方图呈现高斯分布,能够抵御密文统计攻击。该算法对受到不同类型噪声污染的图像具有较好地重构效果,具有较强的鲁棒性,能够较好地抵御噪声攻击。同时,用于生成两个随机相位掩膜的种子以及Logistic混沌系统的初始值作为加密算法的密钥,实现密钥空间进一步的扩大。为了验证算法的适用性,选择常规的标准测试图像进行测量。同时,与基于常规的小波变换的压缩感知加密算法及现有的一些学术成果进行对比分析,证明该算法具有较好地安全性及保密效果。(本文来源于《济南大学》期刊2017-06-01）
李嘉祥,范影乐,武薇[7]（2018）在《基于生物视觉机制的图像特征点检测方法》一文中研究指出特征点检测性能对于后续图像分析和理解起着关键的作用,基于视觉感受野以及信息流反馈等视觉机制,提出了一种图像特征点检测新方法。利用感受野自调节特性构造简单细胞感光层,对卷积运算所获取的高斯差异结果进行特征点粗检测;利用脉冲信息流的反馈机制进行冗余点的剔除,最终获得视觉注意机制下的代表性特征点。在图像旋转角度为30°、60°、90°,尺度变换因子为0.8、0.9、1.1和1.2时,新方法在最终特征点数量均显着少于传统算法的情况下,图像特征点一致性稳定性结果较优,该方法将为生物视觉机制及其在图像处理中的应用提供崭新而有效的思路。(本文来源于《计算机工程与应用》期刊2018年07期）
李嘉祥[8]（2016）在《基于生物视觉机制的图像特征点检测技术研究》一文中研究指出特征点是图像中的关键信息,其对后续的图像配准、拼接以及其他分析处理具有重要的作用。传统特征点检测方法通常基于像素亮度或颜色上的梯度变化趋势,对于场景复杂的细节图像,误检率和漏检率指标并不理想。考虑到生物视觉系统在提取显着性信息中的不凡能力,本文试图借鉴某些重要的生物视觉机制,实现对视觉信息的特征点描述。从视觉感受野的动态特性、视皮层神经元反馈以及视觉注意机制出发,结合视觉信息流的神经编码,以含有大量细节特征点的建筑图像为实验对象,利用图像特征点一致性CCN作为评价指标,验证了视觉机制在特征点检测中的有效性。本文主要研究工作及成果如下:(1)给出了一种基于初级视皮层感受野自适应的图像特征点检测新方法。研究了视觉感受野的动态特性、时序编码、视觉注意机制等视觉机制对特征点检测的作用和效果,列出了研究步骤,由于图像像素点信息对特征点有决定性作用,因此根据图像不同区域亮度信息构造自适应感受野,并考虑初级视皮层不同层次间神经元的反馈,通过上述环节实现了对图像特征点的检测,解决了固定模型检测导致的特征点检测不精确问题。由实验结果可得,本文方法能对图像特征点进行精确有效的检测并且达到了一定程度上的稳定性,以图像特征点一致性CCN作为评价指标并与传统方法相比,本文方法的CCN平均值最大,其指数级别处于10~(-1)~10~(-7)之间。(2)实现了一种基于视觉颜色信息自适应的特征点检测方法。由于颜色叁分量包含的图像特征信息对图像处理有着重要作用,根据叁分量对特征点检测的变化关系,重构图像各区域颜色叁分量,同时考虑到周边神经元对中心神经元的抑制与激励作用,将颜色重构、神经元周边作用与感受野成像结合起来对图像特征点进行检测,解决了颜色信息变化导致的特征点漏检问题。由实验结果可得,本文方法所获得的特征点更加精确且能较好控制冗余点,与传统方法相比,本文的CCN最大,其指数级别处于10~(-1)~10~(-6)之间,与人类视觉系统的认知方式更加接近。(3)提出了一种基于边缘多方向性的特征点检测方法。由于图像纹理边缘存在方向性,边缘处的特征点堆积问题较严重,且神经元发放响应存在着不同表示方式,因此本文利用纹理边缘方向与神经元响应对特征点进行初步检测并完成冗余点剔除,将感受野自调节、神经元响应与纹理边缘方向性结合,最后利用视觉迭加得到代表性特征点,解决了边缘处冗余点堆积问题。由评价指标对实验结果进行评价,表明本文方法在确保真实特征点的情况下能较好控制冗余点数量,指数级别处于10~(-1)~10~(-3)之间。(本文来源于《杭州电子科技大学》期刊2016-12-01）
孙小冬[9]（2016）在《图像处理技术在深海生物视频特征提取中的研究与应用》一文中研究指出自从21世纪以来,世界各国加大了对深海的探测力度。我国自主研发的“蛟龙号”载人深潜器的问世,标志着我国探测深海的能力已经可以与世界强国相媲美了。深潜器在探测深海的同时会带回大量的影视资料,对拍摄到的资料进行处理已经成了随之而来的课题。经过良好处理的图像不仅能够更好的展示对深海探测的成果更重要的是能够更好的研究深海。本文主要研究深海图像的特征提取与匹配以及在图像拼接中的应用。所做的研究工作如下。首先,本文对图像拼接的流程作了研究,分析了每个步骤所要做的工作以及在整个技术当中的分量。通过叙述图像拼接技术的多种方法,再结合课题,选用了基于特征点的图像拼接。然后,对深海图像,以鱼图像为例,作了预处理研究,以水中的光学特性为切入点,总结了深海图像的特点。通过深海图像的特点说明了对图像预处理的必要性,并使用未进行图像预处理的图像进行特征点的提取,不理想的提取效果进一步证实了对图像预处理的必要性。对深海鱼图像作了灰度化、直方图变化、中值滤波、均值滤波和灰度变换的预处理操作。再对图像使用Harris算法、改进的Harris算法和SUSAN算法这叁种算法分别对鱼图像进行特征点提取。通过原理的阐述和实验结果的分析,说明了叁种算法各有优势劣势,同时也对比了叁种算法的优势劣势。在对图像经过提取特征点之后,研究了深海图像的特征点匹配技术。本文使用了SIFT算法和SURF算法两种算法对提取出来的特征点进行匹配,通过阐述SIFT算法的原理、SURF算法与SIFT算法原理的不同以及对海葵图像的仿真实验,来选取最合适深海图像匹配的算法,SURF算法更适合用于深海图像匹配。最后,本文通过对图像坐标的变换来完成图像拼接和使用邻域均值的方法对生成的拼接图像进行了优化。(本文来源于《青岛科技大学》期刊2016-03-28）
徐旭,陈国庆,王良,叶桂香,王振林[10]（2015）在《基于敏感光谱波段图像特征的冬小麦LAI和地上部生物量监测》一文中研究指出叶面积指数(LAI,leaf area index)和地上部生物量是评价冬小麦长势的重要农学参数,其实时动态监测对冬小麦的长势诊断、产量预测和管理调控等具有重要意义。该研究通过分析叶面积指数、地上部生物量与冬小麦冠层光谱参数的相关性,筛选出冬小麦长势指标敏感波段及最佳带宽范围;基于敏感光谱波段下图像的彩色因子,构建冬小麦叶面积指数和地上部生物量监测模型。结果表明,叶面积指数、地上部生物量长势指标的敏感波段及最佳带宽范围为(560±6)和(810±10)nm。敏感波段560、810 nm波段下获得的图像特征因子中,RGB颜色空间R810、G560、B810对叶面积指数的拟合效果最好,决定系数高达0.989;HSI颜色空间H810、S810、I560对地上部生物量的拟合效果最好,决定系数为0.937。试验数据检验表明,叶面积指数、地上部生物量监测模型的均方根误差RMSE分别为0.4515、3.3556,相对误差分别为15.7%、15.9%,所构建监测模型的精确度较高。因此,基于敏感光谱波段及相应图像特征构建的监测模型可有效对冬小麦叶面积指数、地上部生物量进行实时、快速、准确监测与诊断。(本文来源于《农业工程学报》期刊2015年22期）
图像生物特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人脸识别技术在公共安全领域(如身份认证和刑侦破案)发挥着重要的作用。然而,由于环境光线、系统性能和人为因素的影响,实际采集的图像往往存在着各类噪声、光照不均、分辨率低、姿态多样等质量问题,这对后续的身份识别和认证算法带来巨大的挑战。现有的质量评价研究主要针对自然图像的感知质量(如清晰度,美观度等),而实际场景的人脸图像通常是在不可控条件下(各类失真、姿态变化等)获得的,而且在识别任务中图像的生物学质量(如用于身份认证的有效性)更为重要。同时,由于自然场景中捕获的大部分人脸图像都是带有一定姿态,因此在人脸合成领域,传统方法对人脸的合成存在各种问题(图像模糊,身份信息损失,纹理丢失),尤其是极端角度、复杂表情下的人脸图像,利用传统方法正脸化后的图像通常会丢失大量的信息,不利于身份认证与识别。因此,本文将讨论通过深度学习、生成对抗网络等思想,提出了两个新颖的算法:(1)基于轻型卷积神经网络的人脸图像生物学质量评价方法。为了对采集到的数据进行合理的评估,我们利用深度学习方法,结合带有最大特征映射单元激活层的轻量级网络,训练一个鲁棒的失真分类器。进而,根据图像失真分类的置信度与对应失真下人脸图像识别准确度计算最终的质量评估分数。这样的优点是将图像的质量预测与生物学特征相结合,得到的质量分数与生物学特征有着正向关系,可以很好的指示图像在识别系统中的贡献程度。然后,根据预测分数从众多采集图像中筛选出合适的图像进行识别,从而提升识别系统的有效性。(2)基于生成对抗网络的人脸转正方法。为了降低极端姿态对识别性能的影响,同时保留足够的原始信息以方便人为查看。我们的算法在将侧脸图像正脸化的同时,对原始图像的材质、光照和表情做到完好的保留。在算法设计中,我们利用Stack的结构结合生成对抗网络,对侧脸图像进行正脸化的合成和修复。最后得到一张身份合理的正面视图。这张视图在保留着和侧脸图像一致的身份信息的同时,更对人脸识别任务提供有效的帮助。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像生物特征论文参考文献
[1].孙文辉.多生物特征图像深度学习建模与识别研究[D].天津科技大学.2018
[2].孙可嘉.基于生物特征的人脸图像质量评价与增强[D].杭州电子科技大学.2018
[3].魏阳.联合生物特征密钥的光学图像加密技术研究[D].上海师范大学.2018
[4].祁娜.基于多重生物特征的文档图像水印加密研究[D].哈尔滨工业大学.2017
[5].闫雪萍.手部图像的生物特征检测与识别[D].西安理工大学.2017
[6].赵梓汝.生物特征图像的高效图像安全编码研究[D].济南大学.2017
[7].李嘉祥,范影乐,武薇.基于生物视觉机制的图像特征点检测方法[J].计算机工程与应用.2018
[8].李嘉祥.基于生物视觉机制的图像特征点检测技术研究[D].杭州电子科技大学.2016
[9].孙小冬.图像处理技术在深海生物视频特征提取中的研究与应用[D].青岛科技大学.2016
[10].徐旭,陈国庆,王良,叶桂香,王振林.基于敏感光谱波段图像特征的冬小麦LAI和地上部生物量监测[J].农业工程学报.2015