基于监督下降方法的左心室超声图像分割

针对基于表观模型的图像分割算法在特征点迭代定位过程中计算量过大、对非线性局部特征的优化较为困难等问题,采用一种基于监督学习的梯度下降算法,建立4层多分辨率金字塔模型,并使用一种基于巴氏系数的特征提取函数(B-SIFT)替代原方法中的尺度不变特征变换(SIFT)特征,对左心室心内膜及心外膜进行特征点定位。首先对训练集进行归一化处理,统一经食道超声心动图像(TEE)的尺度;然后建立基于多分辨率金字塔和B-SIFT特征的监督下降模型,得到特征点趋近于真实值的梯度下降方向序列;最后将得到的方向序列作用于测试集中,得到最终的左心室分割结果。将该方法与传统监督下降方法进行对比,其得到的分割平均误差相比传统监督下降方法降低了47%,迭代得到的最终值相对单一尺度的梯度下降算法更加逼近真实值。

融合人脸特征与密码算法的身份认证系统

利用人脸识别技术、活体检测技术,结合国密算法,设计了一个基于模糊承诺算法的身份认证系统。提出一种多值量化方法来提高数据相似性,并采用多样本组的特征数据清洗方式提高数据稳定性,以解决常见的生物特征认证中误识率和拒识率较高且难以平衡的问题。在注册阶段,采集多组128维人脸特征数据,清洗后获得平均值,基于一个阈值区间将每个维度的数据量化为4 b二进制数。将量化完成后的数据作为加密密钥,以BCH编码为纠错码,使用模糊承诺算法将认证服务器产生的秘密密钥加密存储在客户端。在认证阶段,实时采集的人脸特征数据经过量化后,利用BCH纠错提取出秘密密钥,将秘密密钥作为协商密钥,基于传统身份认证协议实现客户端与认证服务器之间的认证过程。通过实验证实,采用上述方法实现的身份认证系统可将误识率降低至0%,拒识率降低到1%以内。