导读:本文包含了虹膜检测论文开题报告文献综述及选题提纲参考文献，主要关键词:虹膜活体检测,光场成像,重对焦,景深扩展
虹膜检测论文文献综述
宋平[1]（2019）在《基于光场成像的虹膜活体检测方法研究》一文中研究指出随着人们公共安全意识的快速提升,传统身份识别方式已不能满足人们的需求,生物特征识别技术受到越来越多的关注。虹膜识别具有唯一性、稳定性、高精度等优势,是现阶段最安全可靠的生物特征识别技术之一,已广泛应用于国防、教育、金融等各个领域。但是现有的虹膜识别系统无法对采集端进行保护,受到人造假体虹膜攻击时会导致系统误识别,威胁系统的安全。虹膜活体检测是应对人造假体虹膜攻击的最主要的手段,是虹膜识别系统的关键组成部分。因此,对虹膜活体检测技术进行研究是非常重要的。光场成像是一种计算成像技术,相对传统光学成像是一次重大技术革新。光场通过表征空间中每一条光线的辐亮度,描述了光在叁维空间的辐射传输特性,包含了深度、纹理、光照等视觉信息。以光场相机为媒介,光场成像能够同时记录光线的强度和角度信息,获得四维光场数据。高维光场信息的获取为生物特征识别的发展与创新带来了新机遇。本文将光场成像技术引入虹膜活体检测领域中,利用其重对焦和景深扩展能力实现大景深范围的虹膜活体检测,提高虹膜识别系统的安全性和易用性。首先,通过自主设计采集方案,搭建采集环境,计划采集流程,制作采集设备,本文采集得到光场虹膜数据库,解决了光场虹膜研究的数据问题。其次,对本文对采集的光场虹膜数据库从数据多样性,图像预处理、图像质量等角度进行综合评价,证明采集数据库的质量达到设计要求,并分析了光场虹膜活体检测的思路与原理。最后,本文提出一种基于光场成像的虹膜活体检测算法,从数据获取源头创新,充分挖掘四维光场数据的特性,利用光场重对焦技术提取眼周区域的立体结构特征和虹膜图像的纹理特征,进行特征融合与虹膜分类。在自主采集的远距离光场虹膜数据库上进行实验,本方法可以对1.6m采集距离、30cm景深范围内采集的图像进行高准确率的虹膜活体检测。此方法可以准确有效的检测并阻止混合假体类型对系统的攻击,有效扩展了虹膜活体检测的应用范围和场景。(本文来源于《哈尔滨理工大学》期刊2019-06-01）
宋平,黄玲,王云龙,刘菲,孙哲南[2]（2019）在《基于计算光场成像的虹膜活体检测方法》一文中研究指出光场成像相对传统光学成像是一次重大技术革新,高维光场信息为生物特征识别的发展与创新带来了新机遇.虹膜身份识别技术以其唯一性、稳定性、高精度等优势广泛应用于国防、教育、金融等各个领域,但是现有的虹膜识别系统容易被人造假体虹膜样本欺骗导致误识别.因此,虹膜活体检测是当前虹膜识别研究亟待解决的关键问题.本文提出一种基于计算光场成像的虹膜活体检测方法,通过软硬件结合的方式,充分挖掘四维光场数据的信息.本方法使用实验室自主研发的光场相机采集光场虹膜图像,利用光场数字重对焦技术提取眼周区域的立体结构特征和虹膜图像的纹理特征,进行特征融合与虹膜分类.在自主采集的近红外光场虹膜活体检测数据库上进行实验,本方法的平均分类错误率(Average classification error rate,ACER)为3.69%,在现有最佳方法的基础上降低5.94%.实验结果表明本方法可以准确有效地检测并阻止打印虹膜和屏显虹膜对系统的攻击.(本文来源于《自动化学报》期刊2019年09期）
华松[3]（2019）在《基于钠环的虹膜病理检测》一文中研究指出虹膜的各个区域反映了人体相应器官的健康状态,通过诊断虹膜的结构、色泽、密度及纹理分布等特征可以判断出体内受损害器官组织的衰弱程度,进而帮助人们在病情恶化之前制定正确积极的治疗方案。虹膜病理特征具有很多种类,针对虹膜钠环这一典型的虹膜病理特征进行研究。将虹膜展开图由RGB空间转化到HSV空间,根据样本统计确定出钠环在HSV空间内H分量、V分量的分布范围,设置融合函数F,将符合分布条件的点保留下来,标记出钠环区域。(本文来源于《工业控制计算机》期刊2019年03期）
蔡昂,刘晓敏[4]（2019）在《基于虹膜角点密度和瞳孔大小的健康检测系统设计与分析》一文中研究指出虹膜诊断是人类健康检测的一个重要技术。文章提出根据图像中任意小区域的角点个数粗定位瞳孔,使用Hough变换确定内外轮廓,再根据虹膜角点密度和瞳孔的大小确定健康情况。实验结果表明,该系统具有很好的性能。(本文来源于《江苏科技信息》期刊2019年03期）
史灏,张慧文[5]（2018）在《“叁统一”确保“找到你”》一文中研究指出“这灯柜上的照片拍丑了，不行，我得重新拍一张换上。”在陕煤集团黄陵矿业二号煤矿矿灯超市，两名职工一边取用矿灯设备，一边打趣地议论着。近期，黄陵二号煤矿对入井人员定位考勤系统进行了全面升级改造，构筑叁道防线，逐级确认，实现了智能灯房管理、井口唯一(本文来源于《中国煤炭报》期刊2018-11-01）
曾岩[6]（2018）在《基于卷积神经网络的虹膜活体检测算法研究》一文中研究指出随着信息时代的到来,大数据以及人工智能的快速发展,生物特征识别技术扮演着越来越重要的角色。虹膜识别技术是生物特征识别技术最重要的技术之一。人类的虹膜是一种显着的生物特征,有着丰富的纹理特征,且具有极高的独特性、稳定性。尽管虹膜识别技术发展迅速,虹膜识别系统也会受到伪虹膜的攻击。虹膜活体检测是虹膜识别系统中不可缺少的一个模块,它能够减少虹膜识别系统被伪虹膜袭击的风险。卷积神经网络是深度学习中的一个重要学习模型,目前在人脸识别和指纹识别都取得了不错的成绩,本文将卷积神经网络运用到虹膜活体检测任务中,并在传统的卷积神经网络模型的基础上进行了改进,应用卷积神经网络对虹膜图像进行特征提取和分类,实验表明改进的卷积神经网络模型在虹膜活体检测中有着更出色的表现。本文的主要工作内容概括如下:(1)提出一种基于批量标准化的卷积神经网络虹膜活体检测算法。该算法通过虹膜分割、归一化方式对虹膜图像进行预处理,利用批量标准化的卷积神经网络对预处理后虹膜图像提取虹膜特征,使用网络的决策层对真虹膜和伪虹膜进行分类。批量标准化卷积神经网络能够解决传统方法虹膜特征提取过于单一、鉴别准确率不高、以及基于深度学习的虹膜检测算法中易出现过拟合、梯度消失的问题。实验结果表明该算法能挖掘到虹膜更深层次的纹理特征,与传统方法比较,获得更高的准确率。(2)提出一种基于YOLO的虹膜活体检测算法。YOLO算法通过卷积层对输入的虹膜图像进行候选框提取,使用全局平均的池化方法对虹膜图像进行预分类,最后将检测到真伪虹膜图像标出其位置。YOLO算法不仅能够解决深度学习中卷积神经网络虹膜活体检测时间复杂度过高的问题还能准确地识别真伪虹膜,实验结果表明YOLO算法相比于批量标准化卷积神经网络的时间复杂度减少,并且也能达到很高的鉴别准确率。(本文来源于《长沙理工大学》期刊2018-04-01）
朱立军,苑玮琦[7]（2018）在《基于并查集和边缘检测模板的非理想虹膜定位》一文中研究指出非理想虹膜图像往往存在虹膜边缘模糊、灰度变化不均匀、位置偏移及光斑干扰等问题,这些问题的存在会在一定程度上影响虹膜内外边界定位的准确率。针对这个问题,提出采用并查集和边缘检测模板的方法来对非理想虹膜进行内外边界定位。内边界定位首先采用并查集方法完成瞳孔区域粗定位,然后采用Hough变换对瞳孔进行精确定位;外边界定位先利用一系列边缘检测模板大致确定外圆的位置,再依据外边界附近圆环内边缘点的密度来最终完成外边界的精确定位。实验结果表明,对于非理想虹膜图像,该方法的定位正确率和定位速度均高于其他同类方法。(本文来源于《计算机应用研究》期刊2018年06期）
朱立军[8]（2017）在《虹膜坑洞、色素斑纹理检测方法研究》一文中研究指出人体虹膜表面通常存在诸如色素斑、坑洞、裂缝及环状条纹等不同类型的特征纹理,这些特征纹理的大小,位置及形状等空域信息,一方面可以作为虹膜身份识别的辅助信息,从而可以进一步提高虹膜识别的精度和速度;另一方面也可以作为虹膜诊断的依据。而现有的针对这类虹膜特征纹理提取方法的研究还处于探索阶段,在提取的准确率和提取速度上还无法满足实际应用场合的需要。针对目前虹膜特征纹理提取方法中存在的问题,本文以可见光虹膜图像为研究对象,以自建的虹膜图库为实验基础,从两个方面开展研究。一方面,为了保证虹膜特征纹理提取的准确率,对复杂可见光虹膜图像预处理中的关键问题进行深入的研究,包括虹膜内、外圆定位问题及虹膜实际可见区域的分割问题等;另一方面,在经过预处理后的虹膜图像上,如何对色素斑纹理和坑洞纹理进行有针对性的提取等问题进行深入的研究。具体研究内容及贡献如下:(1)针对含有光斑、眼睑、睫毛及多种特征纹理的复杂可见光虹膜图像有效区域定位问题,本文首先使用并查集方法分割出瞳孔区域,再使用边缘跟踪方法得到该瞳孔区域的边缘轮廓,最后使用Hough变换方法完成内圆定位;针对外圆定位,首先根据虹膜外圆边缘的灰度特点设计相应的检测模板进行外圆粗定位,然后使用Canny算算子对虹膜图像进行二值化操作,再依据外圆附近边缘点的密度分布情况最终实现外圆精定位。在成功定位虹膜内、外圆的基础上,再次使用并查集方法完成虹膜有效区域的粗分割,然后再采用旋转叁角形填充的方法实现虹膜有效区域的精确定位。通过与现有的虹膜有效区域定位方法相比,无论在定位准确率上还是在定位速度上都有了明显的提高。(2)针对虹膜色素斑纹理的提取问题,提出一种基于双线性模板和分块策略的色素斑提取方法。首先,根据图库中色素斑的尺寸范围,设计一长一短两个线性模板来提取所有的纹理,然后采用分支限界法定位所有提取出的目标纹理,再依次对定位出的目标纹理进行分块并计算各个块的灰度均值,这样就得到了能表示该目标纹理灰度分布特点的一个特征向量。接下来,采用神经网络方法实现对色素斑纹理的检测。通过实验表明,该方法在存在多种虹膜特征纹理及干扰的复杂虹膜图像中能有效检测出色素斑纹理。(3)针对虹膜坑洞纹理的提取问题,本文提出两种方法。方法一:把模糊集合的理论引入到虹膜坑洞纹理的检测中来,提出一种基于线性模板和模糊规则的虹膜坑洞纹理检测方法。首先,根据图库中坑洞纹理的形状特点设计一个线性模板来提取出所有“窄”状纹理。然后根据色素斑和非色素斑纹理的形状特点设计一套模糊规则来排除掉色素斑纹理。接下来,在剩下的非色素斑纹理里面,再根据坑洞纹理的特点设计相应的模糊规则来识别坑洞纹理。测试结果表明,该方法对坑洞纹理检测的效果较好且检测的时间较快。方法二:在方法一中,由于光斑的影响会导致坑洞纹理检测误检率的增加,针对这一问题,提出一种基于形态学的虹膜坑洞纹理检测方法。首先根据图库中坑洞的最大宽度设计相应的结构元素,利用灰度形态学中的顶帽操作提取所有“窄”状纹理,然后,再利用二值形态学中的闭操作对由灰度形态学提取的目标纹理中断裂的部分进行重新连接,这样就完成了所有“窄”状纹理的提取。然后,再定义一个能反映不同特征纹理形状特点的特征向量,并使用支持向量机的方法识别出坑洞和裂缝纹理,再依据坑洞和裂缝的不同特点,通过阈值方法得到最终的坑洞纹理。测试结果表明,该方法能较好地克服了光斑的干扰,进一步降低了坑洞纹理检测的误检率。(本文来源于《沈阳工业大学》期刊2017-05-19）
张波[9]（2017）在《虹膜裂缝、环状线条检测方法研究》一文中研究指出虹膜表面具有丰富的纹理,主要有裂缝、环状线条、坑洞、色素斑和卷缩轮内部纹理构成,这些纹理中所蕴含的特征信息是虹膜身份识别和进行人体健康状况评价的重要依据。而现有的对于虹膜特定形状的检测方法的检测率和误检率较高,且无法提供具体的特征信息,而这些信息所反映的虹膜纹理特征是虹膜识别的特征参数与人体健康状况评价的评价依据。本文以虹膜裂缝与环状线条为检测对象,研究其检测方法以及检测所得纹理的特征描述方法。主要研究工作及贡献如下:(1)针对于在丰富的虹膜纹理中排除非裂缝纹理而正确地检测到裂缝是个比较困难的问题,本文提出了由粗到精的虹膜裂缝的检测方法。该方法能够实现在异常丰富的虹膜纹理的复杂背景下对于虹膜裂缝的检测。首先,根据裂缝与背景相比具有一定灰度差的特征,使用水平方向的线性灰度差分模板在预处理归一化展开后的虹膜图像上搜索裂缝可能存在区域,得到二值图像。该方法在完整地提取到图库中所有的裂缝特征的同时还包括其他一些与其相似的非裂缝特征,其中包括卷缩轮内部纹理、坑洞、色素斑。其次,依据虹膜卷缩轮内部纹理在经过灰度差分的二值图像上的长度、位置上具有自相似性,而裂缝无论长度、位置具备特异性,本文设计了局部密度最大值聚类的方法排除卷缩轮内部纹理。该方法以二值图像的各连通区域的长度与位置为特征空间,作为参与聚类的数据点,属于卷缩轮内部纹理的数据点则比较集中。求出每个数据点的局部密度及距离,得到密度值最大的点作为聚类中心。该方法能够把不同图像上各异的卷缩轮内部纹理聚为一类,从而将其排除。实验结果表明,文中采用的方法对于卷缩轮内部纹理的排除率达到92.21%,能够较好地排除卷缩轮内部纹理,从而可为后续步骤提供良好的基础。最后,采用基于脊线检测算子与能量密度的检测方法排除其他的非裂缝特征。通过对不同特征纹理在原图像上一定的区域内具备不同的极值点的特性,设计满足于针对裂缝脊线特征的线检测算子,该算子会对一定方向的裂缝具有显着的检测性,而其他非裂缝特征经脊线检测后会出现多个对应脊线的特性。该方法首先以前两步方法之后得到的二值图像为中心,映射回原图像上找到对应的附近的图像区域信息,对该区域采用脊线检测算子进行检测。以此小区域内经脊线检测算子检测到的二值图像的白色区域为能量像素,利用文中定义的能量密度判断集中在中线附近的像素点的个数与总体面积的比例来表述各区域的能量密度,能量密度小的区域为裂缝,而能量密度大的区域则为非裂缝特征。实验结果表明,对于裂缝的检测正确率能达到94.09%。文中定义的脊线检测算子与能量密度能够有效地反映裂缝的特性信息,排除非裂缝特征,从而实现裂缝的检测。(2)针对于虹膜环状线条在虹膜图像上信号强度较为微弱,而在丰富的虹膜纹理中正确地检测到环状线条是个比较困难的问题,提出了基于矢量加权线检测算子的虹膜环状线条的检测方法。环状线条的优势信号会出现在RGB空间上叁分量上的某一个,但哪个分量是随机的,而现有的环状线条的检测方法都是在灰度图像上进行的检测,在由矢量图像向灰度图像转化的过程中采用传统的固定叁分量加权而使得优势信号出现的通道的转化会使得本不强势的信号强度进一步降低。而设计了自适应加权方法,该方法首先设计特征矩阵,通过求得特征矩阵的最大特征值所对应的特征向量来作为由矢量图像转换为单通道图像的加权值,使得优势信号出现的分量的权值最大,此加权值依据不同的图像得到的特征矩阵不同因而自适应地得到,从而得到边缘最为突出的单通道图像。在此基础上进行线检测得到二值图像,再依据环状线条的形状特征设计形状因子找到符合环状线条的区域,实现环状线条的检测。经过在环状线条有效区域提取的ROI图像上进行实验,测试结果表明,该方法的正确率达到91.78%,大大提升了检出率。(3)为了获得虹膜纹理的特征信息,针对裂缝与环状线条的特性,分别选择了长度、宽度、面积等构成特征矩阵用来作为特征参数描述检测所得裂缝与环状线条信息,详细论述了上述参数的计算方法以及虹膜图像裂缝和环状线条的特征向量和特征矩阵。另外,文中还讨论了用于本文算法测试和评价的分类图库的建立问题以及虹膜图像的预处理问题。(本文来源于《沈阳工业大学》期刊2017-05-19）
栗慧敏[10]（2017）在《虹膜识别中活性检测的研究》一文中研究指出虹膜识别以其准确性、稳定性和非侵犯性成为最有前景的生物识别技术之一。虹膜活性检测是在虹膜识别系统中,判断被识别的个体是来自于真正的虹膜图像还是来自于伪造虹膜图像,从而能够对虹膜识别系统进行保护。由于活性检测对于虹膜识别系统能否应用到实际应用场景中至关重要,本文主要就这一问题开展研究。针对虹膜活性检测中第一步也是及其重要的模块—虹膜区域检测。本文针对传统Adaboost级联分类器方法的不足,提出了使用深度网络进行虹膜区域检测的方法,解决了传统方法中对虹膜区域错检和漏检的情况,极大的提高了虹膜区域检测的准确性。本文提出了基于瞳孔对光照敏感的虹膜活性检测方法,根据光照强度引起瞳孔缩放的特性,使用目标跟踪进行虹膜区域的定位,并提出使用内外轮廓之比而非瞳孔半径变化判断输入的图像是否为真正的虹膜,排除由于外界不可控因素对活性检测带来的干扰,因而更为鲁棒。最后,本文提出使用局部二进制模式特征和支持向量机的方法进行虹膜图像和伪造图像的分类,与其他分类方法在整幅图像上提取特征不同,本文在眼睛区域范围内提取特征,该方法计算效率高,可应用于移动设备中。本文在多个移动设备自采集虹膜数据库和UBIris.v2数据库上对所研究的方法进行了测试。实验结果表明:基于深度网络的虹膜检测方法比传统方法更为准确,更能适应复杂场景;基于瞳孔对光照敏感的活性检测的方法能准确地判别虹膜图像和伪造图像;基于局部二进制模式和支持向量机的方法能够在非理想条件下准确有效的进行活性检测。(本文来源于《大连理工大学》期刊2017-05-02）
虹膜检测论文开题报告
（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：
光场成像相对传统光学成像是一次重大技术革新,高维光场信息为生物特征识别的发展与创新带来了新机遇.虹膜身份识别技术以其唯一性、稳定性、高精度等优势广泛应用于国防、教育、金融等各个领域,但是现有的虹膜识别系统容易被人造假体虹膜样本欺骗导致误识别.因此,虹膜活体检测是当前虹膜识别研究亟待解决的关键问题.本文提出一种基于计算光场成像的虹膜活体检测方法,通过软硬件结合的方式,充分挖掘四维光场数据的信息.本方法使用实验室自主研发的光场相机采集光场虹膜图像,利用光场数字重对焦技术提取眼周区域的立体结构特征和虹膜图像的纹理特征,进行特征融合与虹膜分类.在自主采集的近红外光场虹膜活体检测数据库上进行实验,本方法的平均分类错误率(Average classification error rate,ACER)为3.69%,在现有最佳方法的基础上降低5.94%.实验结果表明本方法可以准确有效地检测并阻止打印虹膜和屏显虹膜对系统的攻击.
（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。
虹膜检测论文参考文献
[1].宋平.基于光场成像的虹膜活体检测方法研究[D].哈尔滨理工大学.2019
[2].宋平,黄玲,王云龙,刘菲,孙哲南.基于计算光场成像的虹膜活体检测方法[J].自动化学报.2019
[3].华松.基于钠环的虹膜病理检测[J].工业控制计算机.2019
[4].蔡昂,刘晓敏.基于虹膜角点密度和瞳孔大小的健康检测系统设计与分析[J].江苏科技信息.2019
[5].史灏,张慧文.“叁统一”确保“找到你”[N].中国煤炭报.2018
[6].曾岩.基于卷积神经网络的虹膜活体检测算法研究[D].长沙理工大学.2018
[7].朱立军,苑玮琦.基于并查集和边缘检测模板的非理想虹膜定位[J].计算机应用研究.2018
[8].朱立军.虹膜坑洞、色素斑纹理检测方法研究[D].沈阳工业大学.2017
[9].张波.虹膜裂缝、环状线条检测方法研究[D].沈阳工业大学.2017
[10].栗慧敏.虹膜识别中活性检测的研究[D].大连理工大学.2017