论文部分内容阅读
随着信息时代的发展,人们的隐私和信息变得更加不安全,身份识别的重要性正日益凸显。生物特征识别技术由于其唯一性、安全性、可靠性和便利性逐渐替代了传统的身份认证方式,与其它生物特征相比,虹膜因为有着无法媲美的优势,目前受到身份安全领域的青睐,在生物特征识别技术领域中已成为最值得发展和关注的领域。由于近几年深度学习技术的快速发展,凭借其在图像分类领域中出色的表现,借助深度学习技术进行图像分类,已经逐渐取代了传统的基于手工特征的图像分类,然而深度学习方法通常需要海量的训练数据,才能对特定的图像类别进行精准分类。因此,研究如何将深度学习方法应用在小样本虹膜图像分类中,已成为虹膜识别领域热点讨论的问题。（1）提出一种基于卷积神经网络迁移学习的虹膜识别算法,以解决深度学习方法应用在小样本虹膜数据集中效果不佳的问题。该算法基于迁移学习思想,在预训练网络VGG16的基础上进行模型迁移,构建应用虹膜识别任务的ICP-VGG模型。首先保留预训练网络VGG16的卷积基及其权重参数;其次在卷积基后面添加自定义密集连接分类器。同时为了降低ICP-VGG模型在小样本虹膜数据集上过拟合现象,采取以下操作:使用数据增强技术对虹膜数据集样本进行扩充;在自定义密集连接分类器中添加Dropout层;引入2正则项改进交叉熵损失函数;模型构建成功后,采用多组实验确定ICP-VGG模型的最优参数。最后,通过对比实验可以验证本算法能够很好地将深度学习方法应用在小样本虹膜数据集中。（2）提出一种基于自适应Canny算子和多方向Sobel算子的虹膜边缘检测算法,对虹膜图像的处理过程进行优化,进一步改善本文提出的ICP-VGG模型在小样本虹膜数据集中的应用效果,提高虹膜识别准确率。该算法首先采用中值滤波对虹膜图像进行预处理,其次采用包含标准差的四阶矩,来统计不同虹膜图像像素点的分布情况,确定高斯滤波器中的空间尺度系数和模板窗口大小。然后结合Sobel算子,扩展梯度运算至4方向,并进行加权表示整个虹膜图像梯度信息。最后,采用Otsu算法进行高低阈值的选取。实验结果表明,所提算法可以更好地对虹膜图像进行边缘检测,并且改进后的虹膜图像处理方法,可以进一步提高ICP-VGG模型在小样本虹膜数据集中的识别准确率。（3）设计并开发了一个虹膜识别原型系统,在上述两个算法工作基础上,将上述两个算法封装成图像预处理模块和模型训练模块,并应用于系统之中,验证本文基于深度学习的小样本虹膜识别算法开发原型系统的可用性。