基于LGBP与Bloom滤波器的可撤销掌纹模板生成方法

为了实现对用户生物特征信息的有效保护,提高掌纹身份认证系统的安全性,提出一种掌纹可撤销模板生成方法。首先通过Gabor滤波器获得掌纹数据不同方向、不同尺度的幅值特征,对其提取局部均匀模式LBP特征,然后将二值化的特征直方图序列使用Bloom滤波器进行多对一映射,最后进行不可逆变换,得到可撤销掌纹模板。理论分析和实验结果表明,该方法不仅可以有效保护掌纹特征,而且在密钥丢失时,也具有较高的识别率。     

基于指纹细节点的可撤销比特串模板生成算法

为了提高指纹模板算法的安全性能,设计了一种基于细节点的可撤销比特串指纹模板生成算法。首先对指纹图像进行预处理,提取指纹的细节点特征,然后对细节点特征进行量化和映射生成比特串模板,最后结合用户PIN码生成可撤销指纹模板。在指纹数据库FVC2002-DB1和DB2上的实验表明,该算法具有更好的安全性和认证性能,满足可撤销性、多样性和不可逆性。     

基于细节点投影的可撤销指纹模板生成算法

为了改善指纹模板保护算法的可撤销性、不可逆性等性能,设计了一种基于细节点投影的可撤销指纹模板生成算法.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.在指纹数据库FVC2002-DB1和DB2上的实验结果表明,该算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.     

基于Gabor滤波器与LDP掌纹可撤销模板生成方法

针对掌纹身份认证中存在着识别率和安全性较差的问题,提出一种基于多方向的Gabor滤波和局部方向模式（Local Directional Pattern,LDP）的自适应阈值特征编码方法mLGDP,在此基础上,进一步提出一种基于多方向Gabor滤波和LDP方法的自适应阈值差值特征编码方法mDLGDP,并将这两种方法的特征相融合,有效增强了原有掌纹模板间的多样性和识别率。通过对图像的特征编码进行分块处理,提取特征向量并二值化,再采用Bloom滤波器实现多对一映射和对掌纹图像的位置置乱,将得到置乱结果矩阵和用户密钥通过卷积运算进行不可逆变换,最终获得掌纹图像的可撤销模板。理论分析和实验表明,即使在密钥丢失时,分别使用两种改进方法依然可以保持较高的识别率,当使用两种特征相融合的方法时,识别率能够得到有效提高,且具有更好的安全性。     

PalmPhasor算法性能的理论分析

模板的安全性和隐私性是掌纹系统实际应用的关键问题,然而生物特征保护的多项指标通常相互冲突并且难以同时满足.作为解决上述冲突的一种可撤销掌纹编码算法,PalmPhasor实现了高效、安全的掌纹认证.建立了系统分析PalmPhasor性能的完整框架.为了便于具体分析,将情景分为4种情况,并且提供了支持相应分析的预备知识,包括辅助定理以及Gabor滤波掌纹图像实部和虚部分布特性.在统计学基础上建立的理论分析和实验结果均表明:即使在用户口令被盗的情况下,多方向分数级融合增强的PalmPhasor算法也可以同时有效地满足可撤销生物特征的4项指标.     

基于细节点邻域信息的可撤销指纹模板生成算法

为了提高指纹模板算法的安全性等性能,设计了一种基于细节点邻域信息的可撤销指纹模板生成算法.首先对指纹图像进行预处理,提取指纹的细节点特征,然后采用改进的细节点描述子采样结构提取细节点邻域的纹线特征,最后结合用户PIN码生成指纹模板,同时结合贪婪算法设计了相应的指纹匹配算法.在指纹数据库FVC2002-DB1和DB2上的实验表明,该算法具有良好的认证性能,能较好地满足可撤销性、多样性和不可逆性,而且改进的采样结构在没有降低系统识别性能的情况下,进一步拓展了细节点描述子的采样结构方式.     

基于特征融合的掌纹识别算法应用研究

研究掌纹准确识别问题,由于光照强度、位置移动、采集设备等影响,采集掌纹图像的分辨率较低。单一掌纹特征提取方法难以全面描述掌纹信息,导致掌纹识别率低。为了提高了掌纹识别率,提出一种基于Gabor滤波和LBP算法相融合的掌纹识别方法。首先对采集掌纹进行预处理,然后分别采用Gabor滤波和LBP算法进行特征提取,最后采用神经网络建立掌纹识别器。仿真结果表明,相对于单一特征提取算法,融合特征算法不仅提高了掌纹识别率,同时加快掌纹识别速度,能够很好满足实时掌纹识别系统的要求。     

基于可撤销人脸的模糊保险箱算法研究与实现

针对传统人脸特征识别系统安全性问题,提出了一种可撤销人脸的模糊保险箱算法。解决了由于模糊保险箱方案中存在真实细节点信息,导致人脸特征不安全的问题。在进行特征模板加密过程前,先用正交随机矩阵加密,加密后的模板具有可撤销性,不存储真实细节点信息,增强了系统的安全性。并在解密过程中的解码阶段,用Berlekamp–Welch解码算法代替CRC解码,该算法在解密阶段仅需根据解码集重构一次多项式,提高了算法的效率。改进后的模糊保险箱算法在生物特征模板受到攻击或者泄露时,能够随时删除并重新产生新的正交随机矩阵,并生成新的生物特征模板,具有可撤销性和安全性。该方案基本流程分为四部分：2DGabor-PCA特征提取、特征可撤销变换、模板加密、模板解密。在ORL人脸库进行测试,最佳识别准确率达到96%,经过对比实验验证了该方法的有效性,能够满足生物模板保护方案所需的不可逆性和可撤销性。     

基于MB-LBP和HOG的掌纹识别

掌纹识别是模式识别及智能信息处理领域的研究热点。针对传统掌纹识别方法易受噪声影响,且旋转鲁棒性差的问题,提出基于分区的多块局部二值模式（MB-LBP）和梯度方向直方图（HOG）的掌纹识别方法。该算法首先利用分区MB-LBP和HOG算法分别提取掌纹的纹理、边缘特征,然后将提取的两种特征通过串联的方式进行融合,最后计算测试图像与训练图像的绝对值距离并利用最近邻分类器得出分类结果。实验对比传统算法（PCA、LBP和HOG）,得到较高的掌纹识别率。因此,将基于分区多块局部二值模式与梯度方向直方图特征进行融合,可提取较完整的掌纹有效信息,对于光照不均匀和有位置变化的掌纹具有一定的健壮性,具有良好的掌纹识别性能。     

基于改进PCA和支持向量机的掌纹识别

掌纹识别是一种新兴的生物特征识别技术。掌纹识别是用掌纹特征(包括人眼可见的和不可见的)来进行身份鉴别的一种方法。其中掌纹特征提取和掌纹特征匹配是掌纹识别研究的关键部分和核心内容。在特征提取方面,给出了两种改进的特征提取方法。先对掌纹图像进行傅里叶变换,再对变换后的图像进行主成分分析;针对掌纹图像的特点,对PCA进行改进,设计了适用于掌纹图像的分块主成分算法。将一整幅掌纹图像分为若干子块图像,在此基础上进行主成分分析。通过实验验证了改进的特征提取方法可以提高识别准确率。在特征识别方面,模版匹配虽然在一定程度上计算量小,准确率高,但容易陷入小样本问题。因此通过训练SVM分类器,进行掌纹识别。实验证明该方法有较好的可行性。     

Dual-key-binding cancelable palmprint cryptosystem for palmprint protection and information security

Biometric cryptosystems and cancelable biometrics are both practical and promising schemes to enhance the security and privacy of biometric systems. Though a number of bio-crypto algorithms have been proposed, they have limited practical applicability because they lack of cancelability. Since biometrics are immutable, the users whose biometrics are stolen cannot use bio-crypto systems anymore. Cancelable biometric schemes are of cancelability; however, they are difficult to compromise the conflicts between the security and performance. By embedded a novel cancelable palmprint template, namely “two dimensional (2D) Palmprint Phasor”, the proposed palmprint cryptosystem overcomes the lack of cancelability in existing biometric cryptosystems. Besides, the authentication performance is enhanced when users have different tokens/keys. Furthermore, we develop a novel dual-key-binding cancelable palmprint cryptosystem to enhance the security and privacy of palmprint biometric. 2D Palmprint Phasor template is scrambled by the scrambling transformation based on the chaotic sequence that is generated by both the user's token/key and strong key extracted from palmprint. Dual-key-binding scrambling not only has more robustness to resist against chosen plain text attack, but also enhances the secure requirement of non-invertibility. 2D Palmprint Phasor algorithm and dual-key-binding scrambling both increase the difficulty of adversary's statistical analysis. The experimental results and security analysis confirm the efficiency of the proposed scheme.     

基于八元数的彩色掌纹特征提取与识别算法

综合4种传统算法和八元数BP神经网络,提出一种掌纹特征提取算法,自动提取彩色掌纹图像的掌纹线。对掌纹线图像进行二维小波分解,并构造七维特征向量,采用八元数矢量积表示算法进行掌纹识别。实验结果表明,掌纹提取算法能提取出较精细的掌纹线,识别算法的成功率可达96%。     

融合水平梯度与局部信息强度的掌纹识别算法

掌纹纹线特征是掌纹最有效的特征.由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点.针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(Horizontal Gradient-Local Information Intensity,HG-LII).首先,使用不同的均值滤波模板消除细小、不规则、不稳定的掌纹纹线特征,对处理后的图像使用水平梯度算子得到水平方向的梯度图像,并进行二值化;其次使用分块思想计算掌纹纹线的信息强度,并将其作为特征向量;最后采用卡方距离进行匹配,判断掌纹所属类别.在PolyU掌纹库上的实验结果表明,该算法识别率达到99.89％,与传统的提取纹线算法相比,识别率有明显的提高,表明了该算法的有效性.     

加权自适应CS-LBP与局部判别映射相结合的掌纹识别方法

提取掌纹的最佳低维分类特征一直是掌纹识别研究领域的一个重要方向。针对掌纹图像具有丰富的纹理特征特点,提出一种基于加权自适应中心对称局部二值模式(WACS-LBP)与局部判别映射(LDP)相结合的掌纹识别方法。首先将掌纹感兴趣(ROI)图像分成大小均匀的小区域,利用自适应中心对称局部二值模式(ACS-LBP)算法获取不同区域的纹理特征直方图和权值,经过加权连接得到ROI的加权纹理特征直方图向量;再利用LDP算法对得到的特征向量进行维数约简;最后利用K-最近邻分类器进行掌纹识别。在掌纹公开数据库上进行实验,正确识别率高达97%以上。实验结果表明,该方法不仅是有效、可行的,而且研究思路比较明确。     

基于混合滤波LBP和PCA的掌纹识别

针对基于局部二值模式(LBP)的掌纹识别易受噪声影响,导致算法鲁棒性下降,提出一种结合混合滤波LBP(HFLBP)和主成分分析(PCA)的特征提取方法.从滤波和特征提取的角度对传统LBP算法进行改进,先对图像进行去噪处理,然后对掌纹图像进行分块,提取LBP直方图特征向量,并通过PCA算法对特征向量进行降维,最后利用欧氏距离匹配.在香港理工大学PolyU图库和PolyU噪声图库上与几种典型算法进行对比实验,实验结果表明,本文算法分别获得最低等误率为1.1405％、4.0101％,有效地提高了识别率和鲁棒性,具有很好的应用前景.     

基于Stein-Weiss函数的彩色掌纹特征识别算法

针对目前掌纹识别算法中对彩色掌纹图像的识别研究不多,提出一种新的基于Stein-Weiss函数解析性质的BP神经网络彩色掌纹图像的识别算法。首先为彩色掌纹图像中的每个像素点构建一个Stein-Weiss函数,再根据Stein-Weiss函数的解析性,计算出相应像素的十六个特征值,将这些特征值输入到BP神经网络的输入层,通过BP神经网络的自学习能力对这些数据进行分类学习;然后通过BP神经网络的泛化能力来获取掌纹边缘线;最后对掌纹边缘线提取成对几何特征建立特征库,通过成对几何直方图相交算法进行掌纹识别。实验结果表明,相对于以往的灰度掌纹图像识别算法,该算法能够更快地提取出更精细的掌纹线,识别率更高,并且对于旋转和噪声的干扰具有较强的鲁棒性。