一、一种基于细节点生成角度的指纹匹配算法（论文文献综述）
张少慧[1]（2021）在《基于SOPC的多种生物特征识别系统的研究》文中研究表明当今社会信息飞速发展,个人信息安全是信息时代备受关注的问题。身份信息识别技术作为可有效保护信息安全的手段一直是热点研究方向。基于生物特征的身份信息认证识别技术以其稳定性、可靠性及安全性等优点被广泛应用于各领域。但在实际应用中,单模态生物特征识别技术存在如特殊人群生物特征损坏或缺失,防伪性较差等固有缺陷。针对此问题,本文提出了基于SOPC的人脸、虹膜、指纹三种单模态生物特征融合识别方案,可有效弥补上述单特征识别技术的不足。本文具体工作如下:1.单模态生物特征识别的研究。在阅读大量文献后,本设计选择了具体使用的人脸、虹膜及指纹三种生物特征识别的相关算法,并对其进行验证。其中,本文针对虹膜定位算法做出了改进,通过对瞳孔中心位置进行估计,并在此基础上利用先验知识减小大量无用边缘点,实现快速虹膜定位。同时本文还对传统指纹特征提取算法做出了改进,在提取特征的同时去除伪特征点,提升指纹特征提取速度。2.人脸、虹膜、指纹融合识别的研究。本文选定在分数层融合三种生物特征,并根据实际需求设计了人脸+虹膜、人脸+指纹、虹膜+指纹三种融合方案。针对传统分数层加权融合算法计算量大、权值分配固定等缺点,本文提出了自适应加权融合算法。通过判断单生物特征识别系统的可靠性确定融合方案,再根据不同权值的融合系统的可靠性确定最终最佳融合权值,以得到性能最佳的融合系统。3.SOPC系统的开发。本文通过硬件描述语言对按系统需求添加的IP核进行连接,完成了系统的硬件开发,将PC端验证可行的算法采用C语言编写并在Nios II处理器上运行实现,完成了系统软件开发。最后将整个系统在DE2-115开发板得到了验证,初步实现了融合身份识别系统。
申政文[2]（2020）在《手部静脉信息图像修复关键技术研究》文中进行了进一步梳理图像修复技术就是针对一些破损缺失图像,根据其已知的内容信息进行对缺失部分的预测。虽然目前图像修复技术应用非常广泛,但是针对手部静脉特征信息的修复上的工作却是较少,随着手部静脉特征信息识别的研究与应用越来越广泛,对手部静脉图像信息的完整性就有了更高的要求,因此,如何将破损的手部静脉图像信息进行补全是目前需要研究的方向。而目前传统的数字图像修复技术基本是利用手工标注,特征信息选取困难,在缺失面积较大时,对图像结构信息以及高层纹理信息的修复能力会大幅度的下降。近年来,随着深度神经网络对图像进行特征学习的优异表现,基于深度神经网络的图像修复研究也逐渐成为了热点。然而,目前存在的图像修复算法仍然存在着不稳定性以及修复后的图像质量低下的现象。因此,针对以上问题,本文从三个方向提出了关于手部静脉信息的修复算法,分别从深度卷积神经网络、生成对抗网络、图像与图像转换等方面提出了改进算法,最终通过与相关方向算法对比以及评估,其算法对手部静脉图像信息的修复效果都分别有了一定的提高。（1）在基本的U-net网络中跳跃式引入了一个空间转换网络层,即可变形卷积网络模块,用于修复缺失图像整体结构和细节信息,以更好学习缺失信息与周围其他图像信息间的关系。在U-net网络解码器功能上引入了损失,以减小全连接网络层后解码器功能与真实样本之间的损失。在这种约束下,使得缺失区域中的解码器特征可用于指导已知区域中编码器特征的移动,以便提高修复图像的质量。（2）根据手背静脉图像信息的分布特性,采用了级联式的深度生成对抗网络修复框架,将静脉分割图像与静脉图像进行特征融合,有效的利用静脉血管图像的关键信息。为了有效的挖掘手背静脉图像以及分割图像的几何信息特征,在修复网络中引入非局部对抗网络块。采用全局与局部对抗损失与图像感知损失以保证生成静脉图像整体与细节与原始图像的一致性。（3）基于图像到图像转换的工作,通过内容网络与特性网络将数据的分解为一个共享部分和一个独有部分来学习以达到分离与表示。同时基于互信息估计的表示学习模型,从静脉关键点与完整的图像进行成对学习,从而学习到关于静脉网络由点生成线的分离表示,在对抗损失以及感知损失的基础上加入了循环一致性损失,从而实现对严重缺失的静脉图像可以通过关键点实现良好修复。本文使用的手部静脉图像数据集是实验室采集自制的手背静脉图像,在训练过程中根据需要对手背静脉图像数据集进行预处理工作。实验表明,与相关方向的算法对比,本文提出的算法在修复效果上都有了一定的提高,在客观的评价指标也表现较好。该论文有图31幅,表12个,参考文献84篇。
李秋衡[3]（2020）在《人脸特征模板加密方案的研究与设计》文中进行了进一步梳理随着信息技术的迅速发展和全球互联网时代的到来,基于生物特征识别技术的用户身份认证方法得到了广泛的应用。生物特征相较于传统的口令、芯片卡等方法具有无需记忆和更加安全可靠的特点。在众多生物特征识别系统中人脸识别具有不依赖特殊硬件支撑、与人类的识别习惯一致等优势。随着越来越多的APP、硬件设备采用了基于人脸特征识别技术的身份认证方式,人脸识别系统的安全性引起了人们的重视。一旦人脸特征模板数据泄露,我们无法像银行卡那样挂失解绑,受到的损失将难以估量。任何一个基于人脸的身份认证的系统中,保护特征模板的重要性不言而喻。然而,已有的生物特征模板加密方案大多是基于特征相对稳定的虹膜和指纹,当应用于模糊度较高的人脸识别系统时效果不佳。本课题旨在研究鲁棒的、实用的、可用于高模糊度的人脸特征的生物特征加密技术方案。在论文中我们首先介绍了人脸特征加密技术的研究背景、目的及意义,概述了自1994年至今生物特征加密技术的发展历程,分析了目前的研究现状,对于经典的生物特征加密技术进行了总结和评述。生物特征加密方案的设计需建立在特定生物特征提取算法的基础上,我们在文中分别介绍了PCA、DCNN、LBP人脸特征提取算法的原理,实现了LBP人脸特征提取以及DCNN人脸关键点提取。接下来,我们详细介绍了最为经典的模糊金库算法,并对纠错检错码技术、杂凑点生成技术以及多项式重构技术做了详细的说明,同时对杂凑点快速生成方法进行了改进。我们的改进方案不仅要求杂凑点与真实点间保持足够的距离,还需要保障各个杂凑点之间的距离也符合模糊门限要求,提高模糊度的同时避免了因模糊金库数据间距差异导致攻击者识别出杂凑点的情况。通过仿真实验的结果表明该算法是快速且有效的。接下来,我们提出了一种基于83个人脸关键点特征的模糊加密方案,该方案采用改进的杂凑点生成算法。我们在实验中收集了真实的人脸数据并用它们对模糊加密方案进行测试,实验结果表面该方案提高了模糊容忍度和识别效率,系统的误识率和拒识率分别降至13.28%和10.89%。在对方案的安全性进行分析的过程中,我们说明了模糊金库方案固有的安全漏洞,并对此设想了一种改进的思路。
徐元荣[4]（2020）在《结合汗孔的高分辨率指纹识别算法研究》文中研究说明高分辨率指纹图像是指分辨率大于1000dpi的指纹图像。相对于传统的低分辨率指纹图像,高分辨率指纹图像中包含大量三级特征,如汗孔、脊线轮廓等,其中汗孔分布广泛且稳定,而且肉眼不可见,采用汗孔进行指纹识别能有效提高识别系统的精度和防伪能力。基于这些原因,结合汗孔的高分辨率指纹识别受到众多学者的关注,已经成为指纹识别领域研究热点问题之一。目前,针对高分辨率指纹的研究主要集中在汗孔提取、匹配和检索等几个方面。在实际应用中,高分辨率指纹识别经常遇到很多不利因素,如非刚性形变、噪声和离群点等,这些因素会降低汗孔匹配的精度。同时,由于指纹中的汗孔数量庞大,完全匹配和检索这些汗孔的计算量非常大。这些问题严重影响了高分辨率指纹识别系统的工程应用和市场推广。本文针对指纹图像校准、汗孔匹配及高分辨率指纹图像检索中遇到的问题,提出了一系列新算法,有效提高了高分辨率指纹识别的精度和速度。本文的主要内容如下:（1）针对指纹片段的识别,本文提出了一种基于脊线轮廓和数据驱动下降算法的指纹校准算法。该算法采用脊线轮廓计算校准误差,采用数据驱动下降算法进行优化,确定测试指纹和模板指纹之间的旋转和平移参数。该算法能准确确定两张指纹图像之间的重叠区域,避免传统校准算法由于重叠区域之内的特征点数量不足导致的校准失败。在指纹识别过程中,重叠区域之外的汗孔点都属于离群点,采用校准算法将这些离群点首先去掉,既能够减少后续匹配算法的计算量以提高匹配速度,也能提高汗孔匹配和指纹识别的精度。（2）针对汗孔的相似度计算,本文提出了一种基于空间特征共生描述子的汗孔相似度计算方法。现有的汗孔匹配算法采用汗孔的局部信息计算相似度,并根据这些相似度构建一对一的粗匹配。然而,指纹图像中的汗孔数量庞大,仅仅采用局部信息计算相似度不能保证相似度计算的准确性,也不能保证粗匹配的精度。为了解决这个问题,本文提出一种基于空间特征的共生描述子算法,该算法以汗孔的局部特征和汗孔间的拓扑结构为基础,构建汗孔之间的相似度,以此建立一对一的粗匹配,能有效避免局部特征相似度较高的离群点对真匹配的干扰,提高粗匹配的精度。（3）针对汗孔匹配,本文提出基于汗孔的局部拓扑结构的匹配算法。该算法根据汗孔间的相对位置关系计算汗孔的匹配得分,并以此去除错误匹配的汗孔。根据最终匹配的汗孔计算测试指纹和模板指纹的相似度。基于汗孔局部拓扑结构的匹配算法采用旋转不变的汗孔分布特征评价每一对汗孔的匹配得分,能有效降低非刚性形变对匹配结果的影响,从而提高汗孔匹配的精度。该算法相对于现有的汗孔匹配算法在汗孔匹配的精度上具有明显的优势。（4）针对高分辨率指纹图像检索,本文提出了一种基于汗孔的指纹检索算法。该算法采用汗孔作为特征点,采用汗孔的局部特征进行相似度计算和检索。本文提出一种多图匹配算法,对匹配的汗孔进行筛选以去除错误匹配。该算法能同时对测试指纹中的汗孔和所有模板指纹中的候选汗孔进行匹配,在提高匹配精度的同时缩短匹配时间。最后根据汗孔的检索结果计算测试指纹和所有注册指纹间的相似度。在相关数据库上的实验表明该算法能有效提高现有的高分辨率指纹检索精度和速度,同时也验证了基于汗孔的高分辨率指纹检索算法相对于传统的基于细节点的指纹检索算法在精度上的优势。
张佳[5]（2020）在《指静脉加密算法的研究》文中进行了进一步梳理在身份认证领域,生物识别技术已经成为了复杂和高安全需求场景的理想解决方案。指静脉识别作为第二代生物识别技术,兼具高强防伪、高速识别、天然活体、便捷易用、识别精度高等优势,因而得到了快速推广。然而指静脉等生物特征存在易受攻击和难以撤销的缺陷,因此,为降低个人隐私泄露的风险,一种行之有效的解决方案是对原始生物特征进行加密处理后再存储。传统的图像加密算法难以抵御恶意的密钥共享和抵赖攻击,因此,生物特征变换技术和生物密码系统应运而生。生物密码系统是生物特征学和密码学的强大结合,生物特征消除了记忆密码的需要,而密码学技术则为生物特征提供了更高的安全级别。本文工作重点首先分析了生物特征加密的研究背景、现状及难点问题,其次对生物模板保护技术的研究进行了综述,最后,围绕特征变换和生物密码系统提出了三种具有鲁棒性的指静脉加密方案,还提出一种基于尺度不变特征变换的指静脉特征提取方案。本文的主要研究内容及工作成果如下:（1）基于Tree-BioHashing的指静脉加密方案。经实验验证,基于原始BioHashing的指静脉加密方案在令牌泄露时,识别性能会严重下降。本文提出了一种融合原始量化和二叉树量化的Tree-BioHashing算法,并在认证阶段设计了自适应的距离度量方案以解决生物特征的模糊性问题。实验发现,本方案在令牌安全时的等错误率为0;在令牌泄露时的识别性能较原始BioHashing有较为明显的改善。（2）基于Fuzzy Vault的双因子可撤销指静脉加密方案。首先实验分析了现有Fuzzy Vault易受多应用交叉对比攻击和短密钥攻击的问题。本文针对交叉对比漏洞提出了两种解决方案,分别是双指静脉构造保险箱和细节点单向变换。针对短秘钥漏洞,使用基于用户口令的哈希变换预先生成具有足够强度且随机洗牌的长密钥。经实验验证,本方案具有良好的识别性能和鲁棒性。（3）基于Grid-SIFT的指静脉特征提取方案。首先实验验证了基于SIFT的指静脉特征对尺度、亮度、旋转等变换具有较强的鲁棒性。然而SIFT关键点存在描述子维数较高、点对匹配计算代价昂贵以及无序的点特征难以直接应用于某些生物密码系统的缺陷。因此,本文设计提出一种基于SIFT关键点的点串特征转化框架,主要贡献是满足了快速匹配的实时性需求和在需要定长输入的生物密码系统中应用的广泛性需求。（4）基于Grid-SIFTFE的指静脉加密方案。部分生物密码系统依赖纠错码技术来处理生物特征的类内差异性,然而,降低生物特征固有的不确定性比依靠纠错码来校正生物特征的模糊性更为直接有效。因此,本方案使用Grid-SIFT提取具有鉴别能力的指静脉特征,并基于Fuzzy Extractor实现对指静脉特征的加密及密钥的生成。最后,从性能实验和安全性分析上证明了方案的可行性。指静脉识别技术的应用正在加速普及,而关于指静脉加密技术的研究还尚未成熟,本文的研究成果可以为基于特征变换和生物密码系统的指静脉加密研究提供较为可行的研究思路。
林露[6]（2019）在《智能安防的感知和识别关键技术研究》文中认为智能安防系统是通过各种安防设备为一些重要场所提供入侵报警服务的综合性系统,主要包含三个子系统:门禁子系统、监控子系统和入侵报警子系统。智能感知和识别技术在智能安防应用中承担着信息采集和智能分析的任务,并为视频监控等各项智能应用提供技术支撑。基于指纹识别的身份认证系统集便捷性、安全性和互动性于一体,在门禁子系统中最为常用。同时,门禁子系统的安全性要求对指纹识别算法的识别精度和误识别率都提出了巨大挑战。视频监控子系统中基于单摄像头的监控往往存在监控盲区;多摄像头的监控则存在场景分布凌乱,难以全面观察的缺陷。目前的静态相机视频拼接算法在算法速度和拼接效果上都还有待提升。入侵报警子系统中,各种报警探测器需要搭载智能的检测和识别技术以实现自动、及时的报警功能。检测算法不仅要在普通场景中具备高精度的检测效果,还要适应监控场景下存在的天气、光照和遮挡等不确定因素。针对上述安防场景中存在的问题和挑战,本课题面向智能安防应用,重点研究了其中的视觉感知和识别的关键技术。主要研究内容和创新点包括:1.研究了基于指纹方向场正则化的指纹认证识别技术,用于提高门禁子系统的安全性。基于梯度的指纹方向场提取算法得到的初始指纹方向场通常包含较多噪声。总结其中普遍存在的皲裂、污渍和模糊等因素,归纳为结构噪声、块状噪声、高斯噪声及复合噪声。针对指纹数据缺乏的问题,本文通过添加噪声的方式扩充训练数据集,以满足神经网络的训练需求,进而采用回归的方式构建网络模型和损失函数。最后,通过指纹识别的准确率验证本文方向场优化算法的效果。本文在FVC2002,FVC2004,FVC2006和实际采集等数据集上进行对比实验,均取得了较好的结果。高精度和低误识别率的指纹识别技术的是智能门禁安全性的基本要求,本文提出的指纹方向场正则化技术可有效提高指纹识别的各项指标,让指纹门禁系统更加可靠。2.提出一种快速自然的视频拼接算法,包括基于结构保持的图像拼接算法和基于三维图割的缝合线搜索算法,可以为监控子系统提供大角度的场景监控效果。针对透视变换易产生透视畸变,网格变形方法易造成图像结构扭曲等问题,本文提出以特征点配准项、局部相似项、全局相似项和结构保持项等多种能量项进行约束的基于相似变换的网格优化算法,并将生成的掩模应用于后续拼接。在后续的视频帧拼接中,采用基于三维时空块图割的缝合线搜索算法得到平滑且去鬼影的拼接视频。本文通过网络搜集和自主采集的方式构建了数据集进行对比实验,在图像实验和用户实验上均取得了较好的结果。采用快速自然的视频拼接算法融合多摄像头拍摄的场景内容,可有效解决监控场景分布凌乱、难以全面观察的难题,为客户提供更便捷的用户体验。3.提出一种基于空洞卷积的人体姿态识别网络,可为入侵报警子系统提供决策依据。本文沿用自上而下的技术路线,首先采用空洞卷积替换支架网络中的下采样卷积模块,保持特征图尺度不变的同时扩大感受野。其次,通过空间金字塔池化模块提取多尺度特征,丰富所得特征的尺度信息。最后采用反卷积替换常规的上采样与卷积相结合的操作,构建输出热图。本文在COCO 2017、SPID和SHPD等数据集上进行实验并评估算法。实验结果表明,在COCO test-dev数据集中,不同输入大小的测试准确率较现有算法提升了 1.1%和0.5%。本文算法在监控场景下也具有较好的鲁棒性,能够一定程度地适应各种视角、天气、光照和遮挡等因素的干扰。高效的人体姿态识别技术与大场景监控技术相结合可及时地识别外来入侵者并发布警报信息,保障场所安全。
惠妍[7]（2019）在《基于投影和三维映射的指纹模板保护方法研究》文中提出在信息技术日益发展的今天,网络已经成为人们工作和学习中不可或缺的部分。但网络给人们带来巨大便利的同时,用户分享的多种信息资源却无法得到充分的安全保障。近年来,随着基于指纹、掌纹和人脸等生物特征的身份认证技术被广泛使用,这类技术的安全问题也成为信息安全领域的一个研究热点。传统的基于生物特征的身份认证技术是对用户的生物信息进行提取,然后将生成的模板直接存储到数据库中。但大量的信息泄露事件表明,随着网络攻击技术的不断更新,数据库面临的安全威胁越来越严重,同时数据库中存储的大量用户的原始生物信息也面临着泄露的可能,从而威胁到用户的隐私安全。鉴于生物特征具有的准确性和唯一性,一旦泄漏将对用户的个人隐私造成严重威胁,因此,对生物特征模板进行保护变得尤为重要。本文在对可撤销指纹模板保护技术进行研究分析的基础上,分别提出了一种基于细节点投影的指纹模板保护方法和一种基于局部细节点三维映射的指纹模板保护方法。论文的主要工作如下:1、为了改善指纹模板保护方法的可撤销性和不可逆性等性能,设计了一种基于细节点投影的指纹模板保护方法。首先对指纹图像进行预处理,提取指纹的细节点特征,并筛选出采样半径范围内的有效细节点,然后对细节点进行直线投影,将投影后的向量映射到二维网格,生成固定长度的一维比特串,再结合用户PIN码生成可撤销指纹模板。实验结果表明,该方法不仅提高了指纹模板认证的稳定性,而且在可撤销性、不可逆性和安全性等方面均具有较好性能。2、针对现有的指纹模板保护方法存在的安全性和认证性较差的问题,设计了一种基于局部细节点三维映射的指纹模板保护方法。首先对指纹图像进行预处理,提取指纹的细节点特征,并采用参数自适应的环形区域对细节点进行筛选,然后将细节点投影到直线上,对投影后的向量集合进行量化、映射和取模运算生成固定长度的二进制比特串,最后结合用户PIN码生成指纹模板。实验结果表明,该方法生成的指纹模板在认证性、可撤销性和不可逆性等主要性能上相比几种典型方法更具优势。
宇路[8]（2017）在《基于指纹识别技术的图书馆借阅系统应用的研究》文中研究说明计算机技术和网络通信技术的高速发展,使得虚拟化校园理念得以通过数字化校园技术来实现。数字化校园即将学校信息资源全部数字化,使得资源可以采用科学管理进行规范整合和利用。在数字化校园的入口,需要有一种认证手段,确保进入校园人员的真实身份。而作为生物识别技术之一,指纹识别技术将在校园认证中发挥越来越重要的作用。当前,校园网内常见认证手段仍为一卡通刷卡,存在学生卡丢失和盗用等问题,本论文提出引入指纹识别系统来逐步取代一卡通刷卡的认证方式,从而提高认证的安全性和便捷性。本论文基于数字化校园理念,研究了在校园环境下如何使用指纹识别技术完成认证,并分析了实现指纹识别的硬件电路构成框图,重点研究了指纹识别算法。基于现有指纹识别研究成果和技术,本文主要工作分为以下几个方面:（1）首先,硬件部分中指纹图像处理和识别芯片模块采用TI公司的DSP芯片TMS320VC5510,外部控制和数据交换芯片采用三星公司的ARM芯片S3C2440,指纹采集模块采用瑞典Fingerprints公司的指纹采集器,以及相关的扩展存储芯片。然后给出了指纹识别技术的硬件结构图,基本可以实现指纹识别。（2）研究了指纹图像细节特征点的提取和哈希序列的构造。针对现有指纹哈希算法存在的一些缺陷和不足,提出了一种无对齐的新型指纹图像哈希提取算法。这种方法使用以指纹图像中心点为起点的细节点间隔最小距离矢量图MDG作为特征集,通过构造指纹图像的MDG,提取指纹图像的哈希,用于进行指纹图像的识别和认证,较好地排除了混入二值指纹图像的伪细节点。（3）研究了一种新颖的匹配搜索算法（CSA）,用于搜寻模板指纹核测试指纹哈希间的最大匹配对数。CSA算法成功解决了对于相同用户同一指纹的不同印痕,两者哈希向量彼此长度和对应的元素也可能不同的情况。相对于相比于网格距离匹配,改算法可以缩短匹配时间,进而提高算法效率,而且在指纹存在小面积残缺等情况下,仍能够保持较好的识别精度。（4）本文将指纹识别系统集成在校园图书馆门禁系统中,实现了将指纹识别技术融合到数字化校园中,提高了数字化校园的安全性,方便了校园的师生,具有一定的使用价值。
杨懿竣[9]（2015）在《指纹安全认证的不可逆变换技术研究》文中认为传统的生物特征识别技术日趋成熟,以指纹特征识别为例,无论是在精确度,还是在速度上,已经完全达到了实用的要求,生物特征识别通常被视为身份识别的终极解决方案,在世界各个国家的公共安防、银行、电子商务等重要领域得到了广泛的推崇与应用。然而在安全可信的身份识别认证需求急速增长,身份信息需要数字化、隐性化的今天,人们对生物特征模板自身的安全性的重视还远远不够。包括指纹特征在内的一些生物特征具有终身不变的特性,这就预示着其一旦丢失了,就意味着永久地失去,没有办法重新发布模板来弥补损失。这些安全性威胁的存在,正在严重制约着基于生物特征识别的身份认证技术的进一步发展。指纹特征作为生物特征的一种,对其安全性的研究已经受到了越来越多的关注,因此,一种将指纹特征识别和密码学相结合的技术——指纹安全认证技术也应运而生。生物特征识别技术应用较为成熟,和密码学相结合的综合应用前景更是十分乐观。尽管指纹安全认证技术近几年来取得了很大进展,但多数还是不能防范论文中所列举出来的所有类型的攻击。当前的研究热点之一是研究如何保护包括指纹在内的生物特征模板,消除人们对生物特征识别安全性的担忧,促进生物特征识别技术的进一步发展。论文分别从哈希压缩函数改进、哈希迭代结构改进、基于细节点相对性的指纹特征信息构造、不可逆变换函数构造、构建指纹特征加解密方案这几个方面对指纹安全认证技术进行研究。论文的主要工作如下:（1）较系统地调研指纹安全认证技术的研究进展,综述了国内外研究现状和发展趋势,分析其理论研究价值和应用价值,考察该技术的安全性需求,根据该技术的特点,将不可逆性、局部平缓性、可撤销性等安全性目标放在首位,利用改进后的哈希函数构造出不可逆变换,改善变换技术的不可逆性,采用界限盒匹配技术满足认证过程中的局部平缓性,采用安全参数重置实现认证技术中指纹模板的可撤销性,并对相应的密码学基础和指纹安全认证技术进行了总结。（2）论文对经典的哈希函数SHA1和SHA2分别进行了研究和改进,通过分析SHA1和SHA2易受到的攻击,有针对性地提出了可以抵抗差分攻击的SHA1和SHA2算法。论文从四个方面改进了SHA1算法:一是优化寄存器初始值;二是优化加法常量参数;三是改进逻辑函数;四是改进压缩函数,并从两个方面改进SHA2算法:改进压缩函数和改进消息扩展算法。通过安全性分析,证明改进后算法具有雪崩性、单向性、抗碰撞性等性质。（3）论文从传统的哈希函数经典迭代结构MD结构所遭受的各种攻击入手,对各类攻击进行介绍和分析,对MD迭代结构进行改进,在迭代过程中加入了两个安全参数,改进消息填充方案并提出了双串行压缩迭代结构和交叉并行迭代结构:由于计算过程中的链接变量受到了更多消息块的影响,使得双串行结构不仅可以避免传统的二次碰撞攻击、多碰撞攻击、长消息第二原像攻击,而且加速了消息扩散的雪崩性。将该结构用于基于不可逆函数指纹加密方案,并在安全性分析和效率分析里证明该结构在提高了MD迭代结构安全性的同时,效率和经典迭代结构中的双管道结构相等。交叉并行结构通过引入Truncation模块和Iteration模块,可以抵抗所有已知对MD结构的攻击,保持哈希函数的抗碰撞性,将哈希函数的安全性规约为压缩函数的抗碰撞性。（4）论文研究基于不可逆函数的指纹安全认证方案,分析现有的基于指纹细节点的特征匹配方案存在的缺陷,提出基于细节点信息相对性的指纹特征,该特征在匹配过程中,不用进行两幅指纹图像的预对齐操作,节省了匹配时间并消除了由于预对齐操作而引入的误差。之后提出了基于德劳内三角形的指纹特征,使用德劳内三角形结合德劳内四边形构造指纹特征,不仅解决了预对齐问题,还提高了GAR,同时也提高了匹配速度,解决了大规模指纹库的匹配速度慢的问题。接着利用前面提出的改进哈希函数构造出单向的不可逆变换转换函数,在安全性分析中可以看出所构造的不可逆变换具有不可逆性、局部平缓性、变换性和差异性等性质,并在此基础上构建指纹加解密方案,结果表明本方案具有较好的FAR和FRR。随着指纹识别和其他生物特征识别技术的广泛应用,亟须一个强有力的基于密码学构造的特征模板保护方案进行安全性保护,以满足用户在身份认证过程中对隐私进行保护的安全性需求。指纹特征的终身不变性和系统指纹特征数据库中的海量数据都对该技术的研究提出了极大挑战,尤其是在认证技术诸如正确匹配率、错误拒绝率、认证速度等安全性目标的苛刻要求下,更是对该技术是否能实现进一步发展的严峻考验。面对挑战,根据安全性需求,对指纹安全认证的不可逆变换技术进行研究,从而使得用户在身份认证的过程中享受指纹或其他生物特征识别技术带来极大便利的同时,避免因隐私信息泄露而导致财产安全受到威胁。
吴志丹[10]（2013）在《高分辨率指纹汗孔特征提取与匹配算法研究》文中提出随着自动指纹识别系统应用范围的拓展，人们在系统安全性方面提出更高的要求，传统的指纹识别系统，已经出现了技术瓶颈。与此同时在科学技术日新月异发展的大背景下，指纹采集设备的性能也得到了很大的提升，使得像汗孔这样的第三层指纹特征信息的提取成为了可能。这样高分辨率指纹识别很自然的成为人们关注的焦点。对于传统的指纹识别系统来说，高分辨率指纹识别系统具有高精度，防伪能力强，活体检测等优点。但伴随高分辨率指纹识别而带来的问题也很多，例如，像汗孔这样的高分辨率指纹特征提取问题，指纹识别精度和时间问题等。目前的汗孔提取方法大多数都是单尺度，等方向的汗孔提取模型，这样的汗孔模型，对具有尺度性和方向性的汗孔，提取效果并不理想。所以准确的提取出汗孔信息是高分辨率指纹识别系统需要去解决的一大问题。此外，目前的汗孔匹配算法，大致分为两种，一种是用第二层指纹特征进行校准后再做汗孔匹配的算法，另一种是用汗孔直接做匹配的算法。第一种算法在时间方面有优势，而第二种算法在精度上占优势。怎样有效的解决时间与精度之间的问题是高分辨率指纹识别系统需解决的另一问题。针对这两个问题本文分别各提出了一种有效的解决方法。在汗孔提取方面，本文提出一种用Gabor滤波器进行汗孔提取的方法，该方法很好的利用了Gabor滤波器的尺度性和方向性，把汗孔的尺度和方向因子加入到Gabor滤波器中，生成Gabor汗孔模型，很好的解决了单尺度均向性汗孔提取算法的问题，并且汗孔提取准确度与同类算法相比效果得到了提高。在汗孔匹配方面，本文提出了基于细节点汗孔选择的汗孔匹配算法，该算法是用细节点做为汗孔选择的一种选择方法，选择出一部分汗孔用于汗孔匹配，相比那些基于细节点校准的算法在精度上呈现优势，同时在保证汗孔直接匹配精度的情况下，有效的降低了时间复杂度。最后我们在香港理工大学提供的高分辨率指纹库上做了实验。实验结果显示本文提出的汗孔提取算法相比于目前存在汗孔提取算法性能有所提升，提出的汗孔匹配算法与同类算法相比性能也得到了一定改善。
二、一种基于细节点生成角度的指纹匹配算法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、一种基于细节点生成角度的指纹匹配算法（论文提纲范文）
（1）基于SOPC的多种生物特征识别系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 生物特征识别技术研究现状 |
| 1.2.1 人脸识别技术研究现状 |
| 1.2.2 虹膜识别技术研究现状 |
| 1.2.3 指纹识别技术研究现状 |
| 1.2.4 多模态生物特征识别技术研究现状 |
| 1.3 主要研究内容及章节安排 |
| 1.4 本章小结 |
| 第二章 单模态生物特征识别的实现 |
| 2.1 人脸识别 |
| 2.1.1 人脸数据库 |
| 2.1.2 人脸预处理 |
| 2.1.2.1 图像灰度化 |
| 2.1.2.2 直方图均衡化 |
| 2.1.3 K-L正交变换 |
| 2.1.4 基于PCA的人脸识别 |
| 2.2 虹膜识别 |
| 2.2.1 虹膜数据库 |
| 2.2.2 虹膜预处理 |
| 2.2.2.1 虹膜定位 |
| 2.2.2.2 虹膜归一化及增强 |
| 2.2.3 虹膜特征提取及编码 |
| 2.2.4 虹膜特征匹配 |
| 2.3 指纹识别 |
| 2.3.1 指纹数据库 |
| 2.3.2 指纹预处理 |
| 2.3.2.1 图像归一化 |
| 2.3.2.2 图像增强 |
| 2.3.2.3 基于梯度场的图像分割 |
| 2.3.2.4 指纹图像二值化 |
| 2.3.2.5 二值化图像去噪 |
| 2.3.2.6 指纹图像细化 |
| 2.3.3 指纹特征提取 |
| 2.3.4 指纹特征匹配 |
| 2.4 本章小结 |
| 第三章 人脸虹膜指纹融合识别技术 |
| 3.1 融合策略 |
| 3.2 匹配分数归一化 |
| 3.3 分数层融合算法 |
| 3.3.1 传统分数层融合算法 |
| 3.3.2 改进的分数层融合算法 |
| 3.4 实验分析 |
| 3.4.1 基于单模态生物特征识别的实验分析 |
| 3.4.2 基于多特征融合识别系统的实验分析 |
| 3.5 本章小结 |
| 第四章 基于SOPC的多生物特征融合系统 |
| 4.1 FPGA及 SOPC技术相关概述 |
| 4.1.1 现场可编程门阵列FPGA |
| 4.1.2 可编程片上系统SOPC |
| 4.1.3 Nios II处理器 |
| 4.2 融合系统的硬件平台及开发环境 |
| 4.2.1 DE2-115 开发板 |
| 4.2.2 系统开发环境 |
| 4.3 融合系统需求分析及总体设计 |
| 4.3.1 系统需求分析 |
| 4.3.2 系统总体设计 |
| 4.4 硬件系统搭建 |
| 4.5 系统软件设计 |
| 4.6 系统测试 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（2）手部静脉信息图像修复关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究工作 |
| 1.4 论文结构安排 |
| 2 基于融合可变形模块的U-net手背静脉图像修复 |
| 2.1 基于卷积神经网络的图像修复 |
| 2.2 基于融合可变形模块的U-net手背静脉图像修复 |
| 2.3 实验分析 |
| 2.4 本章小结 |
| 3 基于非局部对抗的生成对抗网络手背静脉图像修复 |
| 3.1 生成对抗网络技术 |
| 3.2 基于非局部对抗的生成对抗网络手背静脉图像修复 |
| 3.3 修复网络训练损失 |
| 3.4 实验分析 |
| 3.5 本章小结 |
| 4 基于分离与表示的生成对抗网络手背静脉图像修复 |
| 4.1 图像到图像转换 |
| 4.2 分离与表示学习 |
| 4.3 基于分离与表示的生成对抗网络手背静脉图像修复 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（3）人脸特征模板加密方案的研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 .研究背景及意义 |
| 1.2 .生物特征加密技术研究现状 |
| 1.2.1 .生物特征加密技术发展历程 |
| 1.2.2 .生物特征加密系统 |
| 1.2.3 .可撤销生物特征 |
| 1.2.4 .其他加密方案 |
| 1.3 .本文主要研究内容及安排 |
| 第二章 人脸特征提取 |
| 2.1 .人脸图像预处理 |
| 2.1.1 .噪声滤波 |
| 2.1.2 .图像的边缘检测、锐化与增强 |
| 2.1.3 .归一化 |
| 2.2 .人脸特征的提取 |
| 2.2.1 .人脸特征提取算法概述 |
| 2.2.2 .PCA人脸特征提取算法 |
| 2.2.3 .卷积神经网络提取人脸关键点 |
| 2.2.4 .LBP人脸特征提取算法 |
| 2.3 .本章小结 |
| 第三章 模糊金库算法 |
| 3.1 .模糊金库算法 |
| 3.1.1 .模糊金库概述 |
| 3.1.2 .经典模糊金库算法具体步骤 |
| 3.2 .模糊金库算法关键技术 |
| 3.2.1 .纠错检错码 |
| 3.2.2 .杂凑点生成算法 |
| 3.2.3 .多项式重构方法 |
| 3.3 .本章小结 |
| 第四章 人脸特征模板加密方案设计 |
| 4.1 .人脸特征模板加密方案设计 |
| 4.2 .模糊加密方案仿真与分析 |
| 4.2.1 .方案仿真 |
| 4.2.2 .性能分析 |
| 4.2.3 .安全性分析 |
| 4.3 .设想的改进思路 |
| 4.4 .本章小结 |
| 第五章 总结与展望 |
| 5.1 .总结 |
| 5.2 .展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）结合汗孔的高分辨率指纹识别算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 指纹识别研究现状 |
| 1.2.1 汗孔提取和描述 |
| 1.2.2 指纹校准 |
| 1.2.3 汗孔匹配 |
| 1.2.4 指纹检索 |
| 1.2.5 高分辨率指纹数据库和识别系统的评价指标 |
| 1.3 本文主要研究内容 |
| 1.4 本文结构安排 |
| 第2章 基于数据驱动下降算法的指纹图像校准 |
| 2.1 引言 |
| 2.2 数据驱动下降算法 |
| 2.3 指纹图像校准算法 |
| 2.3.1 基于像素类别的图像距离 |
| 2.3.2 校准算法 |
| 2.3.3 指纹图像距离与变换参数的关系 |
| 2.4 校准算法的收敛性分析 |
| 2.5 实验和分析 |
| 2.5.1 指纹图像距离与变换参数的关系 |
| 2.5.2 算法收敛性 |
| 2.5.3 校准算法性能 |
| 2.5.4 结合图像校准的汗孔匹配 |
| 2.6 本章小结 |
| 第3章 基于空间共生描述子的汗孔相似度计算 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 基于空间特征的汗孔粗匹配 |
| 3.3.1 汗孔空间特征及匹配 |
| 3.3.2 汗孔选择和空间特征构建 |
| 3.4 汗孔的空间共生描述子 |
| 3.5 实验和分析 |
| 3.5.1 汗孔选择的局部相似度阈值 |
| 3.5.2 汗孔空间特征的粗匹配精度 |
| 3.5.3 基于空间共生描述子的粗匹配精度 |
| 3.6 本章小结 |
| 第4章 基于局部拓扑结构的汗孔匹配 |
| 4.1 引言 |
| 4.2 基于局部拓扑结构的渐进汗孔匹配算法 |
| 4.2.1 汗孔粗匹配 |
| 4.2.2 内点选择 |
| 4.2.3 候选汗孔选择与匹配 |
| 4.3 局部拓扑结构一致性的汗孔匹配算法 |
| 4.3.1 局部结构一致性匹配算法 |
| 4.3.2 局部拓扑结构一致性匹配算法 |
| 4.4 实验和分析 |
| 4.4.1 基于图像校准和汗孔间拓扑结构的匹配算法 |
| 4.4.2 基于空间特征和汗孔拓扑结构的匹配算法性能 |
| 4.4.3 基于共生描述子和局部拓扑结构一致性匹配算法 |
| 4.5 本章小结 |
| 第5章 基于汗孔的高分辨率指纹检索 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 指纹检索 |
| 5.2.2 图匹配算法 |
| 5.3 基于汗孔的高分辨率指纹检索 |
| 5.3.1 指纹注册和汗孔检索 |
| 5.3.2 基于随机游走的多图匹配算法 |
| 5.4 实验和分析 |
| 5.4.1 随机游走算法在汗孔精匹配中的实现 |
| 5.4.2 算法收敛性 |
| 5.4.3 检索算法性能 |
| 5.4.4 检索算法速度 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（5）指静脉加密算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 指静脉识别技术研究现状 |
| 1.2.2 生物特征加密技术研究现状 |
| 1.2.3 生物特征加密技术的研究难点及挑战 |
| 1.3 论文结构安排 |
| 第二章 指静脉识别及生物特征加密技术概述 |
| 2.1 指静脉识别技术概述 |
| 2.2 生物特征加密技术概述 |
| 2.2.1 传统的图像加密技术 |
| 2.2.2 生物特征加密技术 |
| 2.3 本章小结 |
| 第三章 指静脉图像采集及预处理 |
| 3.1 指静脉图像采集 |
| 3.1.1 指静脉采集原理 |
| 3.1.2 指静脉采集装置 |
| 3.2 指静脉图像感兴趣区域提取 |
| 3.2.1 感兴趣区域提取方法概述 |
| 3.2.2 感兴趣区域提取流程 |
| 3.3 指静脉图像归一化 |
| 3.3.1 尺寸归一化 |
| 3.3.2 灰度归一化 |
| 3.4 本章小结 |
| 第四章 基于Tree-BioHashing的指静脉加密方案 |
| 4.1 BioHashing概述 |
| 4.1.1 BioHashing的概念 |
| 4.1.2 BioHashing在生物特征加密中的应用 |
| 4.1.3 原始BioHashing存在的问题 |
| 4.2 Tree-BioHashing算法 |
| 4.2.1 算法改进的基本思想 |
| 4.2.2 算法流程设计 |
| 4.3 基于Tree-BioHashing的指静脉加密方案的设计 |
| 4.3.1 特征向量的提取 |
| 4.3.2 加解密方案的设计 |
| 4.4 基于Tree-BioHashing的指静脉加密方案的评估 |
| 4.4.1 实验介绍及结果分析 |
| 4.4.2 算法安全性分析 |
| 4.5 本章小结 |
| 第五章 基于Fuzzy Vault的双因子可撤销指静脉加密方案 |
| 5.1 Fuzzy Vault概述 |
| 5.1.1 Fuzzy Vault的概念 |
| 5.1.2 Fuzzy Vault在生物特征加密中的应用 |
| 5.1.3 原始Fuzzy Vault存在的问题 |
| 5.2 改进的Fuzzy Vault加密算法 |
| 5.2.1 算法改进的基本思想 |
| 5.2.2 算法流程设计 |
| 5.3 基于Fuzzy Vault的双因子可撤销指静脉加密方案的设计 |
| 5.3.1 指静脉细节点的提取 |
| 5.3.2 加解密方案的设计 |
| 5.4 基于Fuzzy Vault的双因子可撤销指静脉加密方案的评估 |
| 5.4.1 实验介绍及结果分析 |
| 5.4.2 算法安全性分析 |
| 5.5 本章小结 |
| 第六章 基于Grid-SIFT的指静脉特征提取方案 |
| 6.1 SIFT概述 |
| 6.1.1 SIFT的概念 |
| 6.1.2 SIFT在生物识别系统中的应用 |
| 6.1.3 原始SIFT算子的利弊分析 |
| 6.2 基于Grid-SIFT的指静脉特征提取方案的设计 |
| 6.2.1 点串特征转换的主要动机 |
| 6.2.2 点串特征转换方法概述 |
| 6.2.3 算法流程设计 |
| 6.3 基于Grid-SIFT的指静脉特征提取方案的评估 |
| 6.3.1 组合属性的空间分布 |
| 6.3.2 映射尺度选择及识别性能 |
| 6.4 本章小结 |
| 第七章 基于Grid-SIFT FE的指静脉加密方案 |
| 7.1 Fuzzy Extractor概述 |
| 7.1.1 Fuzzy Extractor的概念 |
| 7.1.2 Fuzzy Extractor在生物特征加密中的应用 |
| 7.2 基于Grid-SIFT FE的指静脉加密方案的设计 |
| 7.2.1 指静脉特征的提取 |
| 7.2.2 加解密方案的设计 |
| 7.3 基于Grid-SIFT FE的指静脉加密方案的评估 |
| 7.3.1 实验介绍及结果分析 |
| 7.3.2 算法安全性分析 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 工作总结 |
| 8.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文 |
（6）智能安防的感知和识别关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 智能安防发展现状 |
| 1.3 智能安防中视觉与感知关键技术及发展现状 |
| 1.3.1 指纹方向场提取技术 |
| 1.3.2 图像及视频拼接技术 |
| 1.3.3 人体姿态估计技术 |
| 1.4 论文的研究内容和贡献 |
| 1.5 论文的组织结构 |
| 第2章 智能门禁中的指纹识别技术 |
| 2.1 引言 |
| 2.2 指纹特征 |
| 2.2.1 指纹特征分类 |
| 2.2.2 指纹方向场 |
| 2.3 基于回归网络的指纹方向场正则化 |
| 2.3.1 数据集生成与扩充 |
| 2.3.2 回归网络构建与训练 |
| 2.3.3 指纹测试 |
| 2.4 实验结果与分析 |
| 2.4.1 VeriFinger SDK |
| 2.4.2 指纹数据集 |
| 2.4.3 评价指标 |
| 2.4.4 实验结果 |
| 2.5 本章小结 |
| 第3章 视频监控中的快速拼接技术 |
| 3.1 引言 |
| 3.2 快速自然的视频拼接算法 |
| 3.3 基于结构保持的图像拼接算法 |
| 3.3.1 图像变换模型 |
| 3.3.2 结构保持图像拼接算法 |
| 3.3.3 实验结果 |
| 3.4 基于三维图割的缝合线搜索算法 |
| 3.4.1 图像融合 |
| 3.4.2 三维图割缝合线搜索算法 |
| 3.4.3 实验结果 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第4章 入侵报警中的姿态估计技术 |
| 4.1 引言 |
| 4.2 基于空间金字塔的姿态识别网络 |
| 4.2.1 网络模块 |
| 4.2.2 训练标签及损失函数 |
| 4.3 实验结果与分析 |
| 4.3.1 人体姿态数据集 |
| 4.3.2 目标检测器 |
| 4.3.3 实现细节及实验设置 |
| 4.3.4 实验结果 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 个人简历、在学期间的研究成果及发表的论文 |
（7）基于投影和三维映射的指纹模板保护方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 生物特征加密技术研究现状 |
| 1.2.2 生物特征变换技术研究现状 |
| 1.3 本文的主要内容及安排 |
| 第2章 生物特征模板保护技术 |
| 2.1 生物特征识别系统 |
| 2.2 生物特征模板保护技术 |
| 2.2.1 生物特征加密技术 |
| 2.2.2 生物特征变化技术 |
| 2.3 性能评价指标 |
| 2.4 本章小结 |
| 第3章 基于细节点投影的指纹模板保护方法 |
| 3.1 原始投影方法分析 |
| 3.1.1 Ahmad投影方法 |
| 3.1.2 Pambudi投影方法 |
| 3.2 理论基础 |
| 3.2.1 细节点的选取 |
| 3.2.2 二维网格映射 |
| 3.3 算法原理 |
| 3.3.1 可撤销指纹模板的生成 |
| 3.3.2 指纹模板匹配 |
| 3.4 实验仿真及分析 |
| 3.4.1 实验环境 |
| 3.4.2 认证性能分析 |
| 3.5 本章小结 |
| 第4章 基于局部细节点三维映射的指纹模板保护方法 |
| 4.1 三维映射方法分析 |
| 4.2 理论基础 |
| 4.2.1 参数自适应的细节点选取 |
| 4.2.2 三维网格映射 |
| 4.3 算法原理 |
| 4.3.1 可撤销指纹模板的生成 |
| 4.3.2 指纹模板匹配 |
| 4.4 实验仿真及分析 |
| 4.4.1 实验环境 |
| 4.4.2 认证性能分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（8）基于指纹识别技术的图书馆借阅系统应用的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 自动身份认证和指纹识别技术的研究现状 |
| 1.2.1 指纹识别技术的发展历史 |
| 1.2.2 指纹识别技术国内外研究现状 |
| 1.3 指纹识别在数字化图书馆信息管理中的应用 |
| 1.3.1 数字化图书馆信息管理的意义 |
| 1.3.2 当前校园卡使用的缺陷 |
| 1.3.3 利用指纹识别系统的优势 |
| 1.4 本文研究的内容 |
| 1.5 本论文的组织结构安排 |
| 第二章 指纹图像识别技术的原理与方法 |
| 2.1 引言 |
| 2.2 指纹图像采集 |
| 2.3 指纹图像的预处理 |
| 2.4 指纹图像的特征分析与提取 |
| 2.4.1 指纹图像的特征分析 |
| 2.4.2 指纹图像的特征类型 |
| 2.4.3 指纹图像的特征点的提取 |
| 2.5 指纹图像的特征匹配方法 |
| 2.5.1 指纹图像的特征点的拓扑比对 |
| 2.5.2 指纹图像匹配中的相似度 |
| 2.6 指纹图像匹配的可靠性评估 |
| 2.7 本章小结 |
| 第三章 基于哈希的指纹识别方法研究 |
| 3.1 基于哈希的指纹识别方法概述 |
| 3.2 用于指纹识别的MDG哈希算法 |
| 3.2.1 指纹图像的分割与增强 |
| 3.2.2 中心点的检测与细节点的提取 |
| 3.2.3 构造最小距离图(MDG)提取指纹哈希 |
| 3.3 作为认证哈希应具有的性质 |
| 3.4 本章小结 |
| 第四章 指纹识别匹配算法研究 |
| 4.1 特征匹配算法概述 |
| 4.2 常用距离匹配算法介绍 |
| 4.2.1 欧几里得距离 |
| 4.2.2 网格距离 |
| 4.2.3 德洛内三角网格距离 |
| 4.2.4 豪斯多夫距离 |
| 4.3 本文采用的匹配搜索算法CSA |
| 4.3.1 CSA1算法 |
| 4.3.2 CSA2算法 |
| 4.4 实验结果和分析 |
| 4.4.1 CSA指纹匹配算法的性能分析 |
| 4.4.2 MDG哈希算法性能分析 |
| 4.4.3 与其他哈希算法的性能比较 |
| 4.5 本章小结 |
| 第五章 指纹识别系统在校园图书馆内的应用 |
| 5.1 引言 |
| 5.2 指纹图书馆管理系统的整体方案 |
| 5.3 指纹图书馆管理系统的硬件平台设计 |
| 5.3.1 指纹图书馆管理系统的硬件平台核心器件的选择 |
| 5.3.2 指纹图书馆管理系统的硬件平台的硬件电路设计 |
| 5.4 指纹图书馆管理系统的软件设计 |
| 5.4.1 设计环境和平台 |
| 5.4.2 系统运行流程 |
| 5.5 系统在校园图书馆内的实现 |
| 第六章 总结与展望 |
| 6.1 主要工作总结 |
| 6.2 未来的工作展望 |
| 致谢 |
| 参考文献 |
（9）指纹安全认证的不可逆变换技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 指纹安全认证技术研究背景 |
| 1.1.1 指纹特征识别系统常见攻击 |
| 1.1.2 指纹安全认证及其特点 |
| 1.1.3 指纹安全认证安全性需求 |
| 1.2 论文相关技术研究进展 |
| 1.2.1 指纹特征模板保护技术研究现状 |
| 1.2.2 哈希函数研究现状 |
| 1.3 研究内容与创新点 |
| 1.4 论文组织结构 |
| 第2章 预备知识 |
| 2.1 指纹特征提取技术 |
| 2.2 指纹特征匹配技术 |
| 2.3 FUZZY VAULT算法 |
| 2.4 哈希函数 |
| 2.4.1 哈希函数的定义和使用方式 |
| 2.4.2 哈希函数应满足的条件 |
| 2.4.3 迭代型哈希函数的一般结构 |
| 2.4.4 经典哈希函数 |
| 2.4.5 针对哈希函数加密方法的常见攻击 |
| 2.5 本章小结 |
| 第3章 SHA系列压缩函数的改进与不可逆函数构造 |
| 3.1 差分攻击研究 |
| 3.2 SHA1改进算法 |
| 3.3 SHA2改进算法 |
| 3.4 安全性及效率分析 |
| 3.4.1 改进SHA1安全性分析 |
| 3.4.2 改进SHA2安全性分析 |
| 3.4.3 改进SHA1和改进SHA2的效率分析 |
| 3.5 单向不可逆函数构造 |
| 3.5.1 基于改进SHA1算法的不可逆函数 |
| 3.5.2 基于改进SHA2算法的不可逆函数 |
| 3.6 本章小结 |
| 第4章 哈希迭代结构的研究与改进 |
| 4.1 MD结构分析 |
| 4.2 双串行结构 |
| 4.3 交叉并行迭代结构 |
| 4.4 安全性及效率分析 |
| 4.4.1 双串行迭代结构的安全性分析 |
| 4.4.2 交叉并行迭代结构的安全性分析 |
| 4.4.3 迭代结构的效率分析 |
| 4.5 本章小结 |
| 第5章 不可逆函数指纹加密变换 |
| 5.1 基于细节点相对性的指纹特征 |
| 5.1.1 基于细节点特征匹配存在的问题 |
| 5.1.2 基于细节点相对性指纹特征构造 |
| 5.2 基于德劳内三角形的指纹特征 |
| 5.2.1 德劳内三角划分 |
| 5.2.2 基于德劳内三角形&四边形的指纹特征 |
| 5.3 单向不可逆函数 |
| 5.3.1 基于改进SHA1算法的不可逆函数 |
| 5.3.2 基于改进SHA2算法的不可逆函数 |
| 5.4 基于不可逆函数的指纹加解密方案 |
| 5.4.1 密钥绑定 |
| 5.4.2 密钥释放 |
| 5.5 安全性分析 |
| 5.5.1 不可逆变换安全性分析 |
| 5.5.2 指纹加密算法安全性分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
（10）高分辨率指纹汗孔特征提取与匹配算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 国内外研究现状 |
| 1.2.2 高分辨率指纹的问题 |
| 1.3 本文主要工作及结构安排 |
| 第2章 基于 GABOR 模型的汗孔提取 |
| 2.1 引言 |
| 2.2 汗孔提取 |
| 2.2.1 预处理分块 |
| 2.2.2 计算指纹块区域方向场及频率 |
| 2.2.3 Gabor 汗孔模型的生成 |
| 2.2.4 去除伪汗孔 |
| 2.2.5 算法的时间复杂度 |
| 2.3 汗孔模型融合 |
| 2.4 本章小结 |
| 第3章 直接汗孔匹配算法 |
| 3.1 引言 |
| 3.2 汗孔匹配 |
| 3.2.1 汗孔的粗匹配 |
| 3.2.2 汗孔的精匹配 |
| 3.3 本章小结 |
| 第4章 基于细节点的汗孔选择与匹配 |
| 4.1 引言 |
| 4.2 前期处理 |
| 4.2.1 细节点提取 |
| 4.3 基于细节点的汗孔选择与匹配 |
| 4.4 本章小结 |
| 第5章 实验结果与分析 |
| 5.1 引言 |
| 5.2 实验数据库 |
| 5.3 汗孔提取模型性能测试 |
| 5.3.1 汗孔提取精度 |
| 5.3.2 汗孔匹配 |
| 5.4 基于细节点的汗孔选择与匹配性能测试 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、一种基于细节点生成角度的指纹匹配算法（论文参考文献）
- [1]基于SOPC的多种生物特征识别系统的研究[D]. 张少慧. 内蒙古大学, 2021(12)
- [2]手部静脉信息图像修复关键技术研究[D]. 申政文. 中国矿业大学, 2020(01)
- [3]人脸特征模板加密方案的研究与设计[D]. 李秋衡. 西安电子科技大学, 2020(05)
- [4]结合汗孔的高分辨率指纹识别算法研究[D]. 徐元荣. 哈尔滨工业大学, 2020(01)
- [5]指静脉加密算法的研究[D]. 张佳. 北京邮电大学, 2020(05)
- [6]智能安防的感知和识别关键技术研究[D]. 林露. 浙江大学, 2019(01)
- [7]基于投影和三维映射的指纹模板保护方法研究[D]. 惠妍. 西安邮电大学, 2019(09)
- [8]基于指纹识别技术的图书馆借阅系统应用的研究[D]. 宇路. 东南大学, 2017(12)
- [9]指纹安全认证的不可逆变换技术研究[D]. 杨懿竣. 深圳大学, 2015(03)
- [10]高分辨率指纹汗孔特征提取与匹配算法研究[D]. 吴志丹. 哈尔滨工业大学, 2013(02)