天津理工大学学报

2020, v.36;No.161(04) 33-38

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于Patch的多标签CSA-DNN手指静脉质量评估
Patch-based multi-label CSA-DNN finger vein quality assessment

梁雪慧;赵菲;程云泽;张瑞杰;

摘要(Abstract):

指静脉生物识别技术已被广泛研究用于个人认证.针对质量差的图像中的虚假和缺失功能可能会降低系统性能的问题,提出了一种多标签深度神经网络(CSA-DNN).在生物特征质量评估的主要目标(即验证错误最小化)的驱动下,假设在验证系统中错误地拒绝低质量图像,并且对低质量图像进行图像配准后转换成高质量图像进行身份识别.基于该假设,低质量图像和高质量图像被人工标记.在结构上引入通道空间注意力(CSA)模块增加特征学习能力,并将图像分成各种block,以增强网络鲁棒性.随后,估计来自测试图像的每个block的质量,再根据多标签预测的结构,采用B样条配准与融合滤波的方式将低质量图像变换为高质量图像,从而提高系统识别率与利用率,最后使用该算法在两个大型公共数据集上面测试,实验结果表明,采用该算法达到了最高准确率为92.5%,静脉身份验证最高精度为93.7%,图像最高利用率为98.5%的高效评估性能.

关键词(KeyWords): 质量评估;深度神经网络;生物识别技术;CSA;手指静脉;多标签分类

Abstract:

Keywords:

基金项目(Foundation): 天津市自然科学基金项目(18YFZCNC01120)

作者(Author): 梁雪慧;赵菲;程云泽;张瑞杰;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享