一种基于指纹特征比特串的可撤销指纹加密方案

本文以指纹作为生物识别的研究对象,在保护指纹隐私安全的前提下,研究基于模糊提取的可撤销指纹加密方案.首先,在注册阶段,通过检测指纹奇异点并以指纹奇异点为基础,从指纹图片中提取二进制串序列作为指纹特征信息,再将二进制串结合BCH纠错编码和模糊提取技术生成指纹密钥和辅助数据.最后只要待鉴别指纹为同源指纹,同时结合辅助数据,便可恢复出指纹密钥,通过身份鉴别.实验结果表明,方案具有较高的鉴别性能.安全性分析表明,该方案具有较高的安全性,可以满足现有需求.     

基于指纹自动配准的多重控制模糊金库方案

模糊金库是一种绑定生物特征和密钥的典型加密框架,与指纹结合可作为一种生物加密系统.但是,在指纹模糊金库实现中,多数方案针对单一指纹模板,匹配时需要提前配准.针对这些局限性,提出一种基于指纹自动配准的多重控制模糊金库,采用多个指纹对系统的秘密信息进行不同程度的控制,并运用几何哈希技术,变换指纹信息,使之不再以原始状态存储,同时实现自动配准.实验结果分析表明,所提出的方案在匹配度,攻击复杂度方面都有较好的性能,使具有不同安全级别的系统更加可靠.     

指纹Fuzzy Vault加密方案

本文基于Fuzzy Vault方案提出了一种使用指纹细节点对系统密钥进行加密的方法,该方法将指纹细节特征点与系统密钥很好地结合在一起,有效地解决了传统加密方法存在的不足。     

一种利用多元线性函数绑定指纹细节点与密钥的新方法

提出了一种新的使用多元线性函数实现待保护的密钥和指纹细节点数据绑定的方法,将指纹数据和传统加密系统密钥融合成一体,只有通过指纹认证才可获得密钥的使用权.其中多元线性函数的变量数不是由待保护的密钥长度决定,而是由需要匹配的细节点数目决定.实验结果表明,与已有的算法相比,提高了系统的安全性和真实用户恢复密钥的速度.     

一种指纹特征点拓扑结构的加密方法

提出了一种基于拓扑结构的指纹特征点加密算法.该加密算法是在无限平面上随机采用三个不属于任何一个指纹特征且互异的点(三个节点构成一个三角形)作为指纹加密的密钥,将特征点到三个采集点的平面距离作为加密值,同样对其余的指纹特征点计算加密值,直至全部特征点加密完成,最后得到密码指纹.与旧有指纹加密算法相比,该算法优势在于扩大密钥初始值的选择范围,密钥空间增大,使得暴力破解变得更为困难;加密的计算方式简单,算法复杂性低,对大量指纹数据的加密效率有所提升.     

基于多尺度特征融合的中分辨率遥感场景分类算法

在对中分辨率遥感图像进行场景分类时,传统的特征提取方法无法提取全面的特征,若使用卷积神经网络进行场景分类,同一大小的卷积核无法提取尺寸大小各异的地物特征,导致分类精度降低.为了提取不同尺寸的地物特征,提高分类精度,本文提出一种基于多尺度特征融合的中分辨率遥感场景分类算法.对传统的卷积神经网络进行改进以适应中分辨率遥感数据集,并在其基础上添加多尺度池化,将连接多层次的特征图谱输入到全连接层进行分类.实验表明,多层特征融合方法提取的特征信息比单层多尺度池化方法提取的特征信息更全面,分类效果更优.与其他的传统分类方法相比,本文方法获得更好的分类结果.     

基于切缝法求方向图的指纹奇异点定位

基于指纹识别技术中指纹奇异点定位在实现指纹分类和实现指纹识别的重要性,提出一种基于切缝法求方向图的奇异点定位算法,求出的方向图具有细节保留能力强、去噪能力强等特点.结合改进的Poincare index法和切缝法求出的方向图在FVC2000指纹数据库上进行指纹奇异点定位,在时间复杂度和准确性上取得了较好的效果,可满足实际使用的需要.     

改进的指纹奇异点检测算法

为解决传统指纹奇异点检测算法不能检测拱型、计算量大等缺点,提出了一种拱型指纹奇异点定义和一种新型的类Poincare指数,并给出了基于类Poincare指数的改进的奇异点检测算法.首先计算指纹奇异点可能出现的区域,然后根据可能区域内类Poincare指数值的变化曲线精确确定奇异点的位置.引入了可能区域,降低了检测过程中的计算量,因此大大提高了提取奇异点的速度.该方法也适用于其他类型的指纹.在FVC2004指纹库上进行实验,能准确检测拱型和其他类型指纹的奇异点,且检测速度大大提高,证明该方法可行有效.     

基于三方向图的多尺度平滑指纹奇异点检测

为解决低质量指纹图像定位奇异点位置偏移及定位区域过大的问题,提出了一种基于三方向图的多尺度平滑奇异点检测算法.首先,计算指纹图像的方向场和频率场估计并用Gabor滤波器对指纹图像进行增强.然后,计算指纹图像中脊线上像素点的方向并对其进行三方向划分得到指纹脊线方向图.最终,去掉噪点并填补非脊线区域,同时检测多个平滑尺度下的奇异点位置并通过信息融合剔除伪特征点,精确定位奇异点.对FVC2002,FVC2004和FVC2006指纹图像库进行实验,结果表明:该算法对低质量指纹图像奇异点检测的准确率有明显提升,奇异点检测的总准确率达92.35%,可将奇异点精确定位在2×2像素区域内.     

一个新的基于细节特征的指纹匹配方法

自动指纹识别系统(automaticfingerprintidentificationsystems,AFIS)的精度和效率主要依赖于指纹的匹配算法.指纹匹配涉及的两个关键问题是指纹的对齐和匹配方式.根据同一个指纹的不同采样,其脊线形状保持高度的相似性的特点,利用两条脊线对应点的距离构造了一个判据,用来评价两条脊线形状的相似性,以实现指纹的最优对齐;针对传统指纹匹配算法中伪细节点的混入和真实细节点的遗漏影响指纹匹配精度的问题,提出了一种基于编辑距离原理的指纹细节特征匹配方法,对指纹库Fingdb和FingerDUT进行了测试,等错误率分别为0.62%和2.75%,证明该方法具有较高的可靠性和有效性.     

基于SUSAN的指纹细节点提取算法

在整个指纹识别过程中，指纹图像的细节点提取至关重要．许多算法是先将脊线细化后进行提取，耗时较多，且易产生大量不易去除的伪细节点．作者将一般图象配准中常用的角点检测技术运用到指纹识别中，提出基于SUSAN的指纹细节点提取新算法．该法在传统的SUSAN上进行数项改进，使其适用于指纹图象，完成端点和分叉点的提取，再根据所产生伪细节点的分布情况将它们去除．此法计算简单、抗噪声能力强、不需事先对脊线进行细化．     

矩形积分双谱和半监督鉴别分析下的通信辐射源识别

针对传统同类通信辐射源识别方法中存在的指纹特征难以提取,以及在先验标签信息较少时识别精度不高的问题,以指纹特征差异微小的同厂、同批、同型号的通信辐射源为对象,提出了一种基于矩形积分双谱和半监督鉴别分析的通信辐射源识别方法.该方法采用矩形积分双谱算法提取通信辐射源双谱特征,并将其作为指纹特征,以表征所属通信辐射源;同时,采用半监督鉴别分析算法,根据双谱特征数据的部分标签信息和非线性流形信息,将高维双谱特征数据映射到低维子空间后进行分类识别,来提升通信辐射源识别性能.为验证该方法的有效性,采用同厂、同批、同型号的FM电台作为同类通信辐射源的代表进行电台识别实验.实验结果表明,在FM电台训练样本中有先验标签信息的样本较少时,该方法对电台测试样本的识别率最高达87.6%,证明该方法在同类通信辐射源识别中指纹特征提取和识别精度方面具有优势.     

基于切缝法求方向图的指纹奇异点定位

基于指纹识别技术中指纹奇异点定位在实现指纹分类和实现指纹识别的重要性，提出一种基于切缝法求方向图的奇异点定位算法，求出的方向图具有细节保留能力强、去噪能力强等特点．结合改进的Poincareindex法和切缝法求出的方向图在FVC2000指纹数据库上进行指纹奇异点定位，在时间复杂度和准确性上取得了较好的效果，可满足实际使用的需要．     

采用方向场配准和图匹配的指纹匹配算法

提出一种新的指纹匹配算法.在配准阶段,引入局部方向场匹配,并结合局部细节点拓扑结构匹配以进行指纹对齐;在对齐后的匹配中,首先在两个指纹的细节点集之间进行弹性匹配,得到一个由匹配的细节点对组成的相似集,然后以相似集中的细节点做顶点,以各顶点之间的连线为边,为输入指纹和模板指纹组成对应的拓扑图进行图匹配;还引入了全局方向场匹配,并与细节点集匹配进行融合,以提高算法的精度.采用FVC2002公布的指纹库进行对比实验,结果证明了算法的有效性.     

激光扫描数据的等值线分层提取和多细节表达

从地面三维激光扫描技术得到的点云,数据多,精度高,特征复杂,不能直接采用传统方法提取等值线.对此,首先提出点云的分层模型,并分析点云在Z坐标轴方向数据量分布以及分层点的空间分布情况,提出在高精度、高细节的采样下,将分层点云作为等值线的采样数据.然后,用迭代的凸包算法对无先验连接信息的分层点数据连接.结果表明,得到的等值线符合一般等值线的特点,不会产生边缘交叉等问题.最后,按照凸包算法的迭代次数,对等值线分类,可以表达不同细节程度的等值线,层次越高,等值线所表达的物体表面信息越多.最终通过实例说明方法的适用性.     

采用ACGAN及多特征融合的 高光谱遥感图像分类

为解决标记样本缺乏、提升分类精度及增强模型容错性等问题,提出一种基于辅助分类器生成对抗网络(ACGAN)的分类方法.首先,将预训练的ACGAN模型作为光谱特征提取器,采用局部二值模式(LBP)算法提取图像的纹理特征;然后,融合光谱特征和纹理特征,由卷积神经网络(CNN)进行分类.在2个广泛使用的数据集上进行实验,结果表明:相较于其他方法,文中方法可显著提高分类精度.     

一种自动指纹粗分类算法的研究

提出了一种利用指纹图像奇异点的数目和位置进行粗分类的算法。指纹图像大致可分为拱形、尖拱形、左旋形、右旋形和螺纹形5种，对指纹的粗分类是实现指纹自动识别系统的一个重要步骤。首先介绍了一种计算指纹图像中各个像素点的方向矢量的算法，然后详细讨论了在这个算法所获得的指纹方向图上进行平滑处理、提取奇异点对（核心点－三角点对）的算法，并根据奇异点对的数目和位置进行指纹方向图的粗分类。试验结果表明，有用的算法与Kalle的算法相比，具有较高的分类率，具有实用意义。     

指纹图像细化及特征点提取算法的研究

对改进的OPTA算法和指纹细节特征点提取算法进行了详细的研究,针对改进的OPTA算法产生的细化不全和毛刺较多的问题,提出了一种可变的消除模版和矫正消除模版;针对指纹细节特征点提取算法产生的大量伪特征点问题,提出了边缘信息判别法,有效地去除了边界伪特征点。实验证明,本文的方法简单快速,而且具有较高的准确率。     

基于特征点的行车数据序列对齐

依据背景知识,选择行车数据序列在隧道附近所特有的形态,作为该路段的特征点,进行序列的对齐.给定一组未对齐的序列,使用期望最大化(EM)算法进行对齐:在E步算出标准序列,在M步对齐序列.在对齐序列时,采用了基于形态的相似性度量找出待对齐序列与标准序列的最佳特征点匹配方案.本策略成功用于福泉高速行车数据的对齐.     

基于灰度纹理指纹的恶意代码分类

随着各种新技术的出现,传统的恶意代码的识别和分类技术存在着检测率瓶颈、实时监测效率不高的问题,为了提高准确率,提出了一种基于图像纹理指纹特征与深度学习神经网络结合的分类方法。该方法首先将数据集中恶意代码的二进制文件建模为灰度图,采用改进的灰度共生矩阵提取出恶意代码中的指纹特征图像,并选择不同步长扩展样本量,然后将该指纹特征图像作为输入数据集并采用卷积神经网络模型中进行分类训练。结果表明,该方法可以有效地分类恶意代码,准确率可达96.2%,并在泛化测试中取得了较好的效果。