龙源期刊网 https://www.doczj.com/doc/4911206483.html,
逆编译中用户自定义库函数识别技术研究
作者：张龙杰谢晓方袁胜智李洪周
来源：《现代电子技术》2009年第14期
前言随着社会的发展，身份识别的重要性正日益显现，而传统的身份识别方式由于其固有的局限性已远远不能满足要求，钥匙、卡片和身份证等容易丢失和仿造，密码则容易遗忘，更为严重的是这些传统识别方式无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识物，就可以拥有相同的权力。在需求的驱动下，基于人脸、指纹、虹膜、手形、笔迹等生物特征的识别技术应运而生。 虹膜识别技术是近几年兴起的生物认证技术。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理特性、颜色和总的外观，是最可靠的人体生物终身身份标识。虹膜识别就是通过这种人体生物特征来识别人的身份。在包括指纹在内的所有生物特征识别技术中，虹膜识别是当前应用最为精确的一种。虹膜识别技术以其高精确度、非接触式采集、易于使用等优点得到了迅速发展，被广泛认为是二十一世纪最具有发展前途的生物认证技术，未来的安防、国防、电子商务等多种领域的应用，也必然的会以虹膜识别技术为重点。这种趋势，现在已经在全球各地的各种应用中逐渐开始显现出来，市场应用前景非常广阔。 1.什么是虹膜 人眼的外观由巩膜、虹膜、瞳孔三部分构成，巩膜即眼球外围的白色部分，眼睛中心为瞳孔部分，虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息。外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。 虹膜作为身份标识具有许多先天优势： 1) 唯一性，由于虹膜图像存在着许多随机分布的细节特征，造就了虹膜模式的唯一性。英国剑桥大学John Daugman教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。实际上用模式识别方法提取图像特征是有损压缩过程，可以预测虹膜纹理的信息容量远大于此。并且虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。虹膜的唯一性为高精度的身份识别奠定了基础。英国国家物理实验室的测试结果表明：虹膜识别是各种生物特征识别方法中错误率最低的。 2) 稳定性，虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。除非经历危及眼睛的外科手术，此后几乎终生不变。由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。 3) 非接触，虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。 4) 便于信号处理，在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。 5) 防伪性好，虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。此外眼睛具有很多光学和生理特性可用于活体虹膜检测。 2. 虹膜识别过程 虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。 虹膜识别技术的过程一般来说分为：虹膜图像获取、图像预处理、特征提取和特征匹配四个步骤。
指纹识别技术的研究
指纹识别技术的研究 【摘要】由于指纹的唯一性和不变性，指纹识别己成为当前最流行、最方便、最可靠的个人身份认证技术之一。本文以自动指纹识别系统的处理流程为线索，介绍了系统的三个部分：指纹预处理、特征提取和指纹匹配。在前人工作的基础上，我们在各个环节都提出了自己的方法，结合那些经典的算法，在很大程度上提高了图像的处理效果与匹配结果。在指纹增强阶段，我们结合方向图与频率图修改了Gabor滤波器；在细化阶段，我们对传统的OPTA算法进行了一些改进；在指纹匹配阶段，我们着重研究了基于点模式的细节匹配。此外，我们还成功的实现了各个算法，完成该指纹识别系统，经实验证明，该系统能够快速准确的识别指纹，达到了预期目的。 【关键字】图像分割，图像增强，二值化，细化，特征提取，特征匹配 一课题研究背景 （一）指纹识别的发展历史 最早记载的人的手印和脚印大约在4000年前古埃及建造金字塔的年代。在那个年代。一些粘土陶器上留有陶艺匠人的指纹，中国人曾经在官方文件上按自己的指纹，公元前300年前的按有指纹的文件现在还存在，直到现在这种签名方式仍然被采用。 早在1880年英国人亨利·福兹就提出了用指纹识别系统识别犯罪。到20世纪70年代，由于计算机的广泛应用和模式识别理论的发展，人们已开始研究使用计算机进行指纹的自动识别。目前世界各国都在争先研究和开发实用指纹识别系统。 （二）指纹识别的研究现状 指纹识别是生物识别技术中最早应用、价格最低廉的分支。目前的指纹自动识别系统采用了先进的光电识别办法，采集一个指纹信息，然后经相关的识别算法进行判断。 根据已掌握的报道资料来看，目前的自动指纹识别系统已具有如下特点： (1)可靠性：采用独特的容错技术，既使指纹有破坏，即指纹不全或指纹随时间有自然的变化时也不影响正确识别。 (2)快捷性：大多数系统鉴别时间仅需1-3s，登录注册一个新客户只需1分钟的时间。 (3)灵活性：一个指纹信息的代码可以压缩到几十个字节到几百个字节，因此可以存放在一个磁条上或者一张二维条码卡上或者IC卡上。 (4)安全性：所有个人代码都经过了特殊加密。通过所存储的代码不可能复原源指纹，彻底避免了指纹冒用。因此既使证卡丢失，也不存在安全问题。 (5)方便性：目前出现的各类指纹识别系统一般外观设计精巧、结实，采用了精密独特的光电系统，具有全程液晶提示，备有多种安装模式。 (8)实时性：可实现完整的跟踪、实时报警功能。 迄今为止，自动指纹识别技术的研究虽然已经取得了很大的成绩，但同时也面临一些严重的困难: (1)指纹采集技术有待提高 就实际应用来讲，目前的指纹采集设备还不能很好地满足需要，这己经成为制约自动指纹识别技术
图像识别技术研究现状综述 简介： 图像识别是指图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。图像识别技术是以图像的主要特征为基础的，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近20年来发展起来的一门新兴技术科学一图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。 图像识别的发展大致经历了三个阶段：文字识别、图像处理和识别及物体识别：文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，并从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。图像处理和识别的研究，是从1965年开始的。过去人们主要是对照相技术、光学技术的研究，而现在则是利用计算技术、通过计算机来完成。计算机图像处理不但可以消除图像的失真、噪声，同时还可以进行图像的增强与复原，然后进行图像的判读、解析与识别，如航空照片的解析、遥感图像的处理与识别等，其用途之广，不胜枚举。物体识别也就是对三维世界的认识，它是和机器人研究有着密切关系的一个领域，在图像处理上没有特殊的难点，但必须知道距离信息，并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天，尽管机器人的研究非常盛行，还只限于视觉能够观察到的场景。进入80年代，随着计算机和信息科学的发展，计算机视觉、人工智能的研究已成为新的动向 图像识别与图像处理的关系： 在研究图像时，首先要对获得的图像信息进行预处理（前处理）以滤去干扰、噪声，作几何、彩色校正等，以提供一个满足要求的图像。图像处理包括图像编码，图像增强、图像压缩、图像复原、图像分割等。对于图像处理来说，输入是图像，输出（即经过处理后的结果）也是图像。图像处理主要用来解决两个问题：一是判断图像中有无需要的信息；二是确定这些信息是什么。图像识别是指对上述处理后的图像进行分类，确定类别名称，它可以在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，然后根据测量结果做出分类。为了更好地识别图像，还要对整个图像做结构上的分析，对图像进行描述，以便对图像的主要信息做一个好的解释，并通过许多对象相互间的结构关系对图像加深理解，以便更好帮助和识别。故图像识别是在上述分割后的每个部分中，找出它的形状及纹理特征，以便对图像进行分类，并对整个图像做结构上的分析。因而对图像识别环节来说，输入是图像（经过上述处理后的图像），输出是类别和图像的结构分析，而结构分析的结果则
目录 1绪论 (1) 1.1指纹识别技术的研究背景及意义 (1) 1.2指纹识别技术的国内外研究现状 (3) 1.3本文主要的研究内容和章节安排 (4) 1.3.1研究内容 (4) 1.3.2章节安排 (5) 2指纹图像预处理 (7) 2.1图像规格化 (7) 2.2方向图 (8) 2.2.1点方向图 (9) 2.2.2块方向图 (9) 2.3图像分割 (12) 2.3.1基于灰度分割算法 (12) 2.3.2基于方向图的分割算法 (13) 2.4Gabor滤波 (14) 2.5二值化 (18) 2.6图像细化 (21) 2.61快速并行细化算法 (21) 2.62改进的OPTA细化算法 (22) 2.63合成细化算法 (24) 3特征点提取及匹配 (26) 3.1特征点提取 (26) 3.1.1端点和分叉点的提取 (26) 3.1.2伪特征点的去除 (27) 3.1.3实验结果及其分析 (29) 3.2特征点匹配 (32) 3.2.1图像校准 (32) 3.2.2细节点的匹配 (35) 3.3本章小结 (38) 4指纹识别技术在PC端和Android端的实现 (39) 4.1指纹识别技术在PC端的实现 (39) 4.1.1指纹图像处理模块 (40)
4.1.2指纹匹配模块 (43) 4.2指纹识别技术在Android端的实现 (45) 4.2.1搭建开发环境 (46) 4.2.2Android指纹识别系统的架构设计和实现 (46) 4.2.3指纹匹配测试 (53) 4.3本章小结 (56) 5总结与展望 (57) 5.1总结 (57) 5.2展望 (58) 参考文献 (59) 致谢 (63) V
毕业设计文献综述 题目：基于matlab的图像预处理技术研究 专业：电子信息工程 1前言部分 众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB 图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件如。果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。 图像处理它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在 1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动
1、绪论 人脸识别是通过分析脸部器官的唯一形状和位置来进行身份鉴别。人脸识别是一种重要的生物特征识别技术，应用非常广泛。与其它身份识别方法相比，人脸识别具有直接、友好和方便等特点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人工智能领域的研究热点。本章将简单介绍几种人脸识别技术的研究方法。 关键词：人脸识别 2、人脸识别技术的主要研究方法 目前在国内和国外研究人脸识别的方法有很多，常用的方法有：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识别方法以及基于三维数据的人脸识别方法。人脸识别流程图如图2．1所示： 图2．1人脸识别流程图 3、基于几何特征的人脸识别方法 基于特征的方法是一种自下而上的人脸检测方法，由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：人脸或人脸的部件可能具有在各种条件下都不会改变的特征或属性，如形状、肤色、纹理、边缘信息等。基于特征的方法的目标就是寻找上述这些不变特征，并利用这些特征来定位入脸。这类方法在特定的环境下非常有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、阴影都极有可能破坏人脸部件的边缘，从而影响算法的有效性。 模板匹配算法首先需要人TN作标准模板(固定模板)或将模板先行参数化(可变模板)，然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。基于可变模板的人脸检测算法比固定模板算法检测效果要好很多，但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。 基于外观形状的方法并不对输入图像进行复杂的预处理，也不需要人工的对人脸特征进行分析或是抽取模板，而是通过使用特定的方法(如主成分分析方法(PCA)、支持向量机(SVM)、神经网络方法(ANN)等)对大量的人脸和非人脸样本组成的训练集(一般为了保证训练得到的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上)进行学习，再将学习而成的模板或者说分类器用于人脸检测。因此，这也是j 种自下而上的方法。这种方法的优点是利用强大的机器学习算法快速稳定地实现了很好的检测结果，并且
医学图像配准技术 罗述谦综述 首都医科大学生物医学工程系(100054) 吕维雪审 浙江大学生物医学工程研究所(310027) 摘要医学图像配准是医学图像分析的基本课题,具有重要理论研究和临床应用价 值。本文较全面地介绍了医学图像配准的概念、分类、配准原理、主要的配准技术及评 估方法。 关键词医学图像配准多模 1 医学图像配准的概念 在做医学图像分析时,经常要将同一患者的几幅图像放在一起分析,从而得到该患者的多方面的综合信息,提高医学诊断和治疗的水平。对几幅不同的图像作定量分析,首先要解决这几幅图像的严格对齐问题,这就是我们所说的图像的配准。 医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换,使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相的空间位置。配准的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。 医学图像配准技术是90年代才发展起来的医学图像处理的一个重要分支。涉及“配准”的技术名词除registration外,mapping、matching、co-registration、integration、align-ment和fusion 等说法也经常使用。从多数文章的内容看,mapping偏重于空间映射;fu-sion指图像融合,即不仅包括配准,而且包括数据集成后的图像显示。虽然在成像过程之前也可以采取一些措施减小由身体移动等因素引起的空间位置误差,提高配准精度(称作数据获取前的配准preacquisition),但医学图像配准技术主要讨论的是数据获取后的(post-acquisition)配准,也称作回顾式配准(retrospective registration)。当前,国际上关于医学图像配准的研究集中在断层扫描图像( tomographic images,例如CT、MRI、SPECT、PET等)及时序图像(time seriesimages,例如fMRI及4D心动图像)的配准问题。 2 医学图像基本变换 对于在不同时间或/和不同条件下获取的两幅图像I1(x1,y1,z1)和I2(x2,y2,z2)配准,就是寻找一个映射关系P:(x1,y1,z1) (x2,y2,z2),使I1的每一个点在I2上都有唯一的点与之相对应。并且这两点应对应同一解剖位置。映射关系P表现为一组连续的空间变换。常用的空间几何变换有刚体变换(Rigid body transformation)、仿射变换(Affine transformation)、投影变换(Projec-tive transformation)和非线性变换(Nonlin-ear transformation)。 (1)刚体变换: 所谓刚体,是指物体内部任意两点间的距离保持不变。例如,可将人脑看作是一个刚体。 处理人脑图像,对不同方向成像的图像配准常使用刚体变换。刚体变换可以分解为旋转和平移:P(x)=Ax+b(1) x=(x,y,z)是像素的空间位置;A是3×3的旋转矩阵,b是3×1的平移向量。
数字图像处理报告 题目指纹识别算法研究学院信息学院 专业通信工程 班级通信ZY1101 姓名郑涛、江代民
摘要 随着计算机和网络的迅速发展，人们对身份认证的准确性、安全性与实用性提出了更高的要求。基于生物特征识别的智能身份认证技术也逐渐受到广泛的关注。在众多的生物识别技术中，指纹识别技术是发展最早、应用最广泛的一种。指纹识别技术充分利用了指纹的普遍性、唯一性和永久性的生物特征，已逐步取代了传统的基于标志和数字的识别方式，目前在网络、银行、金融、医疗和安检等行业均得到了广泛应用。本文对指纹识别系统的原理和基本过程进行了分析研究，重点研究了指纹图像预处理算法，并且进行了验证。 在指纹图像预处理部分，论文对预处理的各个步骤包括规格化、图像分割、中值滤波、二值化、细化等以及各个步骤的方法进行了深入的分析和研究，选择了一种图像预处理方案。 在指纹特征提取部分，采用基于Matlab实现的指纹细节特征提取方法，并给出了去伪算法。指纹特征提取是从细化后的指纹图中得到细节特征点（即端点和分叉点），此特征点含有大量的伪特征，既耗时又影响匹配精度。采用了边缘去伪和距离去伪，使得特征点去伪前后减小了近1/3，然后提取可靠特征点信息，以便实现指纹匹配。 在指纹匹配部分，本文采用基于细节点的指纹匹配算法，并进行研究。 关键词指纹识别、预处理、特征提取、匹配
Fingerprint Recognition Algorithm Abstract With the rapid Progress of computer science and network technique，An accurate，secure and practical techno1ogy of Personal identification becomes more and more important. Technology of Personal identification based on Biometrics has received extensive attention. Technology of Fingerprint recognition is the earliest one and is app1ied widely in the all techniques of biometrics recognition, then is taking full advantage of the universality, uniqueness and permanency of the fingerprint, and gradually has taken place of traditional identification method that is based on symbol and number. Nowadays the technology of fingerprint identification is fully used in network, bank, finance, insurance and security. This paper research the basic principles and process of the fingerprint identification system，and focus on the pre-processing algorithms of fingerprint image and finally verify. In the fingerprint image processing section, thesis on preprocessing steps including specifications, image segmentation, median filtering, binarization, refinement, and so on, and each step of the way to in-depth analysis and research, is an image processing program. Part of the fingerprint feature extraction, fingerprint-based Matlab implementation details of feature extraction methods, and gives to the pseudo-algorithm. Fingerprint feature extraction is refined to get the details of fingerprint feature points (the endpoint and bifurcation points), this feature points contain a large number of false features, time-consuming and will affect the matching accuracy. Used and the distance to the edge of the false and counterfeit, makes the feature points to reduce the false front of nearly 1 / 3, and then extract a reliable feature point information, in order to achieve the fingerprint match. Part of the fingerprint match, the paper-based fingerprint minutiae matching algorithm, and conduct research. Keywords Fingerprint recognition、Pretreatment、Feature extraction、Matching
虹膜识别技术综述 ——生物认证技术 姓名： 班级： 专业： 教师：
【引言】 生物认证技术又称为生物识别技术，是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。这是我们已经熟知的概念，然而，生物认证技术是一个很广泛的学术研究范围，我们需要深入了解的则是其下的各个研究分支，而其中的虹膜识别技术则是非常重要的一个分支，同时这种技术也是应用非常广泛的生物认证与识别技术之一 【知识简介】 首先，我们来了解一下虹膜—— 人眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65%。外观上看，由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。另一方面，要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险。虹膜的高度独特性、稳定性及不可更改的特点，是虹膜可用作身份鉴别的物质基础。 在包括指纹在内的所有生物识别技术中，虹膜识别技术可以说是当前应用最为方便和精确的一种技术。它被广泛认为是二十一世纪最具有发展前途的生物认证技术，未来的安防、国防、电子商务等多种领域的应用，也必然的会以虹膜识别技术为重点。这种趋势已经在全球各地的各种应用中逐渐开始显现出来，市场应用前景非常广阔。
【个人理解】 虹膜其实和我们人体的指纹一样，具有高度的“特异性”，这是作为“认”的根本与基础，同时它也同样具有良好的“稳定性”，这就意味着它具有防伪性，它奠定了“证”的可靠性! 许多资料包括刚才的简介中都提到这样类似的话“要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险”。在我看来，其实这就是一种高度可信的“防伪性能”，因为特别是在一般商业用途中，伪造（或者称之为“修改”）虹膜的代价可能远远高于骗取识别系统的信任所带来的利益，换句话说这就是“得不偿失”！ 虽然我们可能对指纹识别更为熟悉一些，但是实质上虹膜识别的精确性丝毫不逊于指纹识别！——根据各种资料的介绍，我得到了这样一种认知：“虹膜结构是非常复杂而精细的”，对于在鲜活人体上的虹膜与虹膜之间而言，它们的区别可以说是非常大的（超过了指纹间特征点的区别程度），就像一个完全独立于其他任何事物的精细工艺品，要“确认”它非常容易，同时要发现“雷同”的却基本是不可能的！在我看来，这就是虹膜可以作为真正识别身份的生物特征并且这种识别技术应用越来越广泛，实用性与适用性越来越强的原因！
指纹识别技术的基本原理 指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接存储指纹的图象。多年来在各个公司及其研究机构产生了许多数字化的算法（美国有关法律认为，指纹图象属于个人隐私，因此不能直接存储指纹图象）。但指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。 指纹的特征 我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。总体特征是指那些用人眼直接就可以观察到的特征，包括： 环型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便 1、模式区（Pattern Area） 模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。Aetex 的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。
2、核心点（Core Point） 核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。 3、三角点（Delta） 三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。 4、式样线（Type Lines） 式样线是在指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。 5、纹数（Ridge Count） 指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。局部特征局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征——节点，却不可能完全相同。 6、节点（Minutia Points） 指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“节点”。就是这些节点提供了指纹唯一性的确认信息。 指纹上的节点有四种不同特性：
华侨大学厦门工学院《信息安全技术》课程论文 题目：虹膜识别技术的研究与应用 专业、班级：通信工程X班 学生姓名：XXX 学号：120230XXXX 指导教师：XXX 分数: 2015 年XX月XX 日
《虹膜识别技术的研究与应用》 摘要 本文介绍了当前最有发展前景的生物特征识别技术，即虹膜识别技术，详细介绍了虹膜识别的主要步骤，虹膜图像的获取、预处理、特征提取与编码和分类。最后，针对虹膜识别技术存在的主要问题分析了虹膜识别的发展方向及应用前景。 关键词：虹膜识别；身份鉴别；生物特征 1.识别技术的简介 身份是指从行政法律或经济社会方面确定个人的地位或权利。身份识别就是验证个人的真伪，以防范冒名顶替者的违法犯罪活动。目前，身份识别主要靠各种证件(如身份证、智能卡等)、个人识别码(如口令、密码等)及生物特征识别。由于证件容易被剽窃、转移或丢失，识别码容易被忘记、破解，所以生物特征识别是目前最为方便与安全的识别技术。它不需要随身携带任何证件，记住任何密码，是一种方便、快捷、可靠的识别方法。生物特征识别是通过人体所固有的生理特征或行为特征对个人身份进行鉴定的技术。常见的生物特征有指纹、掌纹、虹膜、视网膜、脸形、声音、笔迹、DNA、人体气味等。其中，虹膜识别是一种重要的个人身份识别手段。 眼睛中心为瞳孔部分，虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息。外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜作为身份标识具有许多先天优势。第一，唯一性，由于虹膜图像存在着许多
随机分布的细节特征，造就了虹膜模式的唯一性。英国剑桥大学John Daugman 教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。实际上用模式识别方法提取图像特征是有损压缩过程，可以预测虹膜纹理的信息容量远大于此。并且虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。虹膜的唯一性为高精度的身份识别奠定了基础。英国国家物理实验室的测试结果表明：虹膜识别是各种生物特征识别方法中错误率最低的。第二，稳定性，虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。除非经历危及眼睛的外科手术，此后几乎终生不变。由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。第三，非接触，虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。第四，便于信号处理，在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。第五，防伪性好，虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。此外眼睛具有很多光学和生理特性可用于活体虹膜检测。 2.虹膜识别技术的原理 2.1 虹膜识别的过程 虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。虹膜识别的主要步骤包括虹膜图像的获取、预处理、特征提取与编码和分类。 2.2 虹膜图像获取 虹膜图像获取是指使用特定的数字摄像器材对人的整个眼部进行拍摄，并将
人脸识别技术研究的意义应用与发展现状
人脸识别技术研究的意义应用与发展现状 1人脸识别的发展 人脸是人类情感表达和交流的最重要、最直接的载体。通过人脸可以推断出一个人的种族、地域，甚至身份、地位等信息；人们还能通过人脸丰富而复杂细小的变化，得到对方的个性和情绪状态。科学界从计算机图形学、图像处理、计算机视觉、人类学等多个学科对人脸进行研究。最早的人脸识别技术的研究可以追溯到20世纪50年代，当时的研究人员主要涉及的是社会心理学领域；到了60年代，开始有一些工程文献陆续发表出来；但是，真正的自动人脸识别的研究是从20世纪70年代的Kanade和Kelly开始的，当时采用的技术基本上都是典型的模式识别技术，例如利用脸部重要特征点之间的距离进行分类识别。随着计算机技术的发展，从80年代到90年代初期，人脸识别技术得到了很大的发展并进入了实际应用领域。在这一阶段，基于人脸外貌的统计识别方法得到了很大的发展，其中Eigenfaces和Fisherfaces在大规模的人脸数据库上进行的实验得到了相当不错的结果[1]。同时，基于人脸特征的识别方法也逐渐发展起来，此类方法对光线和视角的变化、人脸的定位都不太敏感，有利于识别率的提高，但是其采用的特征提取方法还不够成熟和可靠[2]。 2人脸识别的应用 自90年代后期以来，一些商业性的人脸识别系统逐渐进入市场；近几年来人脸识别作为计算机安全技术在全球范围内迅速发展起来，特别是美国遭受911恐怖袭击以后，人脸识别技术更引起了广泛的关注。在这一阶段，更多的研究集中在基于视频的人脸识别上面。人脸识别技术具有广泛的应用前景,在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用；在民事和经济领域,各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证、社会保险人的身份验证等具有重要的应用价值；在家庭娱乐等领域，人脸识别也具有一些有趣有益的应用,比如能够识别主人身份的智能玩具、家政机器人、具有真实面像的虚拟游戏玩家等。 今天,人脸检测的应用背景已经远远超出了人脸识别系统的范畴,在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。
指纹识别的研究目的意义及国内外 研究现状 指纹识别的研究目的意义及国内外研究现状1研究的目的和意义2指纹识别技术简介指纹识别的一般工作模式基于图像匹配的指纹识别系统的研究内容目前指纹识别的应用3国内外指纹识别系统的发展状况指纹识别的起源指纹识别的研究与发展历程1研究的目的和意义在网络化时代的今天，我们每个人都拥有大量的认证密码，比如开机密码、邮箱密码、银行密码、论坛登陆密码等等；并配备了各种钥匙，如门锁钥匙，汽车钥匙，保险柜钥匙等。这些都是传统的安全系统所采用的方式，随着社会的发展，其安全性越来越脆弱。而我们的生活随时都需要进行个人身份的确认和权限的认定，尤其是在信息社会，人们对于安全性的
要求越来越高，同时希望认证的方式简单快速。为了解决这一问题，人们把目光转向了生物识别技术，希望能借助人体的生理特征或行为动作来进行身份识别。这样您可以不必携带大串钥匙，也不用费心去记各种密码。另外，生物特征具有唯一性，不可复制性，例如指纹，有学者推论：以全球60 亿人口计算，300 年内都不会有两个相同的指纹出现。以电子商务、电子银行的安全认证为例，目前在电子商务中他人会假冒当事人的身份，如果通过生物特征进行论证，就可有效防止此类事件的发生。另外，网络、数据库和关键文件等的安全控制，机密计算机的登陆认证，银行ATM、POS 终端等的安全认证，蜂窝电话，PDA 的使用认证等等，都离不开可靠安全的生物特征识别。可见，生物特征识别不但有可观的经济效益，还有不可估量的国家信息安全效益。长期以来，验证身份的方法是验证该人是否持有有效的信物，如照片、密码、钥匙、
磁卡和IC卡等。从本质上来说，这种方法验证的是该人持有的某种“物”，而不是验证该人本身。只要“物”的有效性得到确认，则持有该“物”的人的身份也就随之得到确认。这种以“物”认人的办法存在的漏洞是显而易见的：“物”的丢失会导致合法的人无法被认证，以及各种信物容易被伪造、破译。网络环境下，密码作为身份识别的标志已被广泛采用。但是密码容易被遗忘，也有被人窃取的可能，已不能满足人们的需要。人们逐渐把目光转向了生物特征识别技术。生物特征识别技术是为了进行身份验证而采用自动化技术测量其身体特征或个人行为特点，并将这些特征或特点与数据库的模板数据进行比较，完成认证的一种解决方案，被评为21世纪十大高科技之一。生物特征识别是目前最为方便和安全的识别技术，并且生物特征识别产品均借助于计算机技术实现，容易与安全、监控、管理系统整合，实现自动化管理。1997年比尔·盖茨曾这
１９１ 关于人工智能中的图像识别技术的研究 翁和王 （武夷学院数学与计算机学院，福建武夷山354300） 摘要：图像识别技术作为在信息时代发展起来的一项信息技术，其主要是利用计算机对人工进行替代，实现对众多的物 理信息进行处理。计算机技术快速发展也推动了图像识别技术得以迅猛的发展。文章就图像识别的技术原理、模式识别进行图像识别技术概述，并对其识别过程进行一定的分析，重点对神经网络以及非线性降维两个形式的图像识别技术加以分析。以期对图像识别有关的研究人员与应用人士有所参考。关键词：人工智能；原理与过程；图像识别技术；非线性；神经网络中图分类号：TP18文献标识码：A 文章编号：1673-1131（2016）10-0191-02 0引言 图像识别技术作为人工智能内的重要领域之一，在计算机技术和信息技术快速发展的背景下，其也得到了愈发广泛的使用，其在医疗诊断、指纹识别、面部识别以及卫星云图识别等方面具有着很好的应用。图像识别技术通常是指利用计算机对系统前端捕获的图片根据既定的目标对其进行处理。图像识别在人们日常的生活中也得到普遍的应用，诸如条码识别、车牌捕捉以及手写识别等。随着其不断的发展与完善，其今后的应用领域也会更加的广泛。 1图像识别技术的概述1.1图像识别的技术原理 事实上，图像识别具有的原理并非很深奥，主要是图像识别所需处理的信息非常的复杂。计算机中的所有处理技术均不能随意出现，是众多学者通过实践获得的启示，通过程序使其得到模拟与实现。计算机实现图像识别所需的原理与人类进行图像识别所需的原理基本上是一致的，仅仅是计算机不存在人类视觉和感觉方面的影响。人类在进行图像识别过程中并非仅是利用这一图像存在于脑海内的记忆加以识别，而是通过图像自身拥有的特征对其进行相应的分类，之后利用各个类别拥有的特征使图片被识别出来。当我们看到图片时，大脑便会快速感知出以前见过这张或与之相类似的图片与否。事实上在看到和感知间已经实现了快速的识别，这一识别与搜索存在一定的相似性[1]。在识别过程中，大脑将会按照存储记忆内被分好类的图片展开识别，检查其是否和这一图像存在相同或者是类似特征记忆存储，便识别出以往时候看见过这一图片。计算机进行图像识别的原理也是这样，利用分类和提取出图像的重要特征，并对多余的无用特征加以有效地排除，以此实现对图像的识别。计算机所能提取出来的上述特征有时会较为明显，而有时也会非常的普通，这在极大程度上对计算机识别效率造成一定的影响。总而言之，利用计算机进行视觉识别时，图像中的内容一般是通过图像特征对其加以描述的[2]。 1.2模式识别 模式识别作为信息科学与人工智能中的重要组成，其通 常是对现象和事物处于不同形式中信息实现处理与分析，以便能够达到对现象与事物进行分类、描述以及辨认等目标。而计算机能够实现图像识别便是对人类进行图像识别时的一种模拟，在实现图像识别时，能够展开模式识别是不可或缺的。以往的模式识别仅仅是人类所掌握基本智能之一，伴随人工智能以及计算机技术得到兴起与发展，人类自身具有的识别 模式便无法再满足人类的生活需求，对此人们便需要利用计算机来对人类脑力劳动进行一定程度的替代与扩展。这也就产生了计算机形式的模式识别。简而言之，模式识别便是对数据实现分类，其是一门和数学有着密切联系的科学，其所运 用的大量思想便是数学中的统计和概率[3] 。可以将模式识别分成统计模糊模式、识别模式识别以及句法模式识别三类。 2图像识别技术的识别过程 由于计算机进行图像识别和人类进行图像识别所采用的是一样的原理，因此上述两种识别过程也会存在一定的相似性。可以将图像识别技术划分为如下几步：第一步，信息的获取，其是指利用传感器将声音和光等信息装换为电信号，简而言之便是获取识别对象具有的基本信息，同时将其装换成为计算机可以识别的信息。第二步，预处理，其是指对图像进行去噪、变换以及平滑等处理操作，以此来提升图像所具有的重要特点。第三步，特征抽取与选择，其是在模式识别过程中，要对图像进行特征的抽取与选择，简而言之便是识别的图像是多种多样的，若想通过一定的方式将其分离开，便要对图像中拥有的自身特征进行识别，在特征的获取时便称为特征抽取[4]。在进行特征抽取过程中，获取的特征并非一定对本次识别有所价值，此时便要对所获取的特征进行一定的提取，这便是特征选择。对于图像识别整个过程而言，特征抽取与选择时期中最为关键的步骤之一，因此，这一步使进行图像识别理解时的重点内容。第四步，分类器设计与分类决策，其中分类器设计即利用训练来制定出一个识别规则，借此识别规则便能够获得一个特征种类，从而让图像识别可以达到更高的辨识率。而分类决策则是对特征空间内的被识别对象实现分类的最佳识别方法。 3图像识别技术的研究分析 3.1神经网络形式的图像识别技术 神经网络形式的图像识别是目前较为新型的技术，其是基于以往的图像识别方式，并将神经网络算法进行有效的融合。这里所说的神经网络指的是人工神经网络，换句话说便是该神经网络并非是动物体所拥有的神经网络，而是人类根据动物神经网络进行人工模拟的一种神经网络。对于神经网络形式的图像识别技术而言，遗传算法和BP 神经网络进行有效的结合是目前基于神经网络形式的图像识别技术内最为经典的模型，其在诸多的领域之中均有所应用。对图像识别系统运用神经网络系统，通常先对图像特征进行提取，之后将图像特征向神经网络中加以映射，以此实现对图像的识别与分类。例如，对于智能汽车监控中拍照识别技术而言， 2016 （Sum.No 166） 信息通信 INFORMATION &COMMUNICATIONS 2016年第10期（总第166期）