基于保守超混沌系统的虹膜特征提取算法

虹膜特征与其他生物特征相比具有独特优势,因其可以为加密算法生成足够长的密钥。虹膜特征提取是虹膜识别过程中的关键问题。针对密钥安全性和计算效率两大问题,提出了一种新颖的基于保守超混沌系统的虹膜特征提取方法,并结合局部二进制模式(Local Binary Pattern,LBP)和高斯函数差分(Difference of Gaussian,DOG)技术。首先,选择五维保守超混沌系统,验证其保守性和超混沌性质;其次,根据375位虹膜特征码和上述系统,产生特征矩阵,并对该矩阵进行图像增强处理;最后,通过提取DOG极值点和LBP特征,并根据提出的特征融合规则生成128位密钥。实验表明,生成的密钥可以通过美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)随机性测试,且对虹膜特征码极其敏感。

基于虹膜特征的密钥生成研究

生物特征密钥很好地解决了密钥过长不易记忆、来自于外部所带来的安全问题,而在众多生物特征中,虹膜特征能够生成足够长的密钥用于加密算法。针对现有虹膜特征密钥提取方法中密钥的安全性问题,提出一种直接从虹膜特征中提取密钥的方法。在虹膜预处理基础上,利用Haar小波提取虹膜特征;应用随机映射函数从虹膜特征中提取密钥。实验结果表明提取的密钥通过了NIST随机性测试标准,能够满足加密算法的需求。

基于能量补偿和特征加权的虹膜特征提取算法

Contourlet变换不同子带的特征提取能力存在差异。针对该问题,提出一种基于能量补偿和特征加权的虹膜特征提取算法。采用正交图像对原图像进行能量补偿,利用广义高斯分布估计各子带数据的权值,为分类能力强的特征量赋予较大权值,以充分使用样本的统计信息高效地提取特征。实验结果表明,该算法的虹膜识别率较高,鲁棒性较强。

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。

基于虹膜特征识别的远程身份认证系统

结合虹膜特征识别与网络安全中的密钥加密技术,设计了基于虹膜特征识别的身份认证系统。该系统能实现安全访问控制,具有安全性好、身份识别率高等优点。

一种基于虹膜特征的网络身份认证系统的设计

为了提高网络身份认证的可靠性和保密性,介绍了一种新的网络身份认证系统IBNICS(Iris-BasedNetworkIdent-ityCertificationSystem)。提出了其模型框架,介绍了主要功能和认证的过程,并对其关键技术特别是以虹膜特征为依据的识别技术进行了讨论。实验和性能测试结果表明,该设计确保了用户虹膜信息的保密性和真实性。

基于虹膜特征密钥的军事图像加密技术

对军事图像进行加密是确保军事图像安全常用的方法,但加密算法中的长密钥存在记忆困难、不易保管等问题。针对以上问题,文章提出一种基于虹膜特征密钥与AES结合的军事图像加密算法。在虹膜图像预处理基础上,应用2D Haar小波对虹膜有效区域进行三层分解,提取第三层细节系数并编码生成375位的虹膜特征码;从虹膜特征码中随机选取128位密钥,采用AES算法对军事信息进行加密。实验结果表明,达到了保护军事图像的目的,且AES算法与生物特征的结合提高了加密算法的安全性。

一种基于虹膜特征的密钥管理方案

利用神经网络的联想和记忆功能,将密钥嵌入用户的虹膜特征中,给出了一种安全、方便的密钥管理新方案。存贮密钥时,利用虹膜特征码和一些随机序列训练广义回归神经网,使其输入用户虹膜特征码时输出一个特定的二进制序列,再将用户密钥与该二进制序列异或。用户只需保存异或所得的结果和训练好的神经网络参数即可,无需保存或记忆密钥。当需要获取密钥时,用户再次输入自己的虹膜图像,系统即可利用存贮的信息恢复出密钥。攻击者即使获得了存贮的信息也不能得到密钥或用户的虹膜特征信息。

基于Nonsubsampled Contourlet变换的虹膜特征提取与匹配

为了鲁棒地获得高品质的虹膜纹理特征矢量,提出了一种新的无参数滤波器堆与虹膜感兴趣区域获取技术相结合的特征矢量提取方法。分析了基于Nonsubsampled Contourle变换(NSCT)滤波器的结构与性能,给出了无参化NSCT滤波器的设计步骤和设计要点。提出了采用坐标变换、剪切、平移和组合的虹膜感兴趣区域预处理技术。用NSCT滤波器滤波该虹膜感兴趣区域来获得信息丰富且少干扰的虹膜图案的特征矢量。实验结果表明该方法是更为有效的。

基于虹膜特征密钥的营房信息加密研究

在军队后勤信息化建设中,营房勤务信息化是重要的组成部分.为解决营房信息化中信息安全面临的严峻形势和传统加密手段的安全隐患,提出一种基于虹膜特征密钥的信息加密算法.从人体虹膜中提取375位虹膜特征码,然后从特征码中提取加密密钥用于营房信息加密.实验结果表明,加密信息的安全性得到了提高.

WWW上结合虹膜特征识别的身份认证系统

为了有效控制网站上资源的安全存取,按照虹膜身份确认机制,利用其特有的“不可改造、难以伪装、非侵犯性”等特征,将其识别技术作为确保网站安全的主要控制手段。首先介绍了虹膜的主要特点及其特征识别过程,然后将虹膜识别结合网络安全中的密钥加密技术,设计了基于虹膜特征识别的网络身份认证系统。实际测试的结果表明,虹膜识别与网页结合的身份认证,能够达到控制网站上资源存取的目的,较大程度地减小了攻击者破解的可能性。

基于模糊数学的虹膜特征提取算法评估

提出了一种运用模糊数学进行的虹膜特征提取算法评估的方案,并通过实验证明了该方案的有效性和实用性。

基于虹膜特征密钥的无线传感器网络安全数据融合

本文针对无线传感器网络中的数据融合操作面临严重的安全隐患,提出了一种基于虹膜特征密钥的数据融合加密方案,该方案不仅解决了在数据融合过程中密钥记忆和存储难的问题,而且也避免了中间节点攻击数据融合结果的问题.通过抗攻击能力仿真实验分析,该方案相比于传统的数据融合方案较为合理,减少了节点能量消耗,延长了网络生存周期.

虹膜特征提取和匹配的几种主要算法研究

虹膜的身份识别在国际上已成为一个研究的热点领域。本文主要比较了虹膜特征提取和匹配的几种主要算法,分别说明了Gabor变换、傅里叶变换和小波变换的优点与不足,并指出相对而言,小波变换更适合应用在虹膜图像的识别中。

浅析虹膜特征提取和匹配的几种主要算法

虹膜的身份识别在国际上已成为一个研究的热点领域,本文主要比较了虹膜特征提取和匹配的几种主要算法,分别说明了Gabor变换、傅里叶变换和小波变换的优点与不足,并指出,相对而言,小波变换更为适合应用在虹膜图像的识别中。

基于数学形态学和二维纹理边缘坐标极值的虹膜特征提取算法

对于虹膜纹理特征的提取,本文提出了一种基于数学形态学及二维纹理边缘坐标极值的特征提取算法,该算法包括两部分：利用数学形态学检测归一化并增强后的虹膜图像纹理的边缘、分别在横向和纵向提取虹膜纹理边缘的极值点.该算法直接对图像进行操作,简单直观,易于操作,计算量较少,占用存储空间小,提高了系统的运行速度,满足系统实时性要求.

基于虹膜特征的密钥生成和AES算法的图像加密

针对传统加密算法密钥长、记忆困难、不易安全持有等特点,提出虹膜特征密钥提取和AES加密算法相结合的图像加密算法.该算法利用db2小波分解的虹膜区域,提取第三层的虹膜关键特征高频系数,通过使用随机映射函数生成一个192位的密钥.随后将该算法与经典的Arnold算法的同时应用于图像加密实验.实验结果表明,利用该算法得到的加密图像的安全性更高.

基于改进型LBP算法的虹膜特征提取仿真

随着信息社会的建立,个人身份信息的保护越来越重要,生物识别技术将成为一种对信息进行更安全利用的模式。在人体结构中,虹膜结构复杂,也具有更强的安全性、不可复制性,因此利用虹膜进行识别具有不可替代性。虹膜特征提取与编码是在虹膜预处理之后,特征匹配之前关键的一步。该实验将选取LBP算法来研究虹膜特征提取,因其算法简单,具有灰度不变性、鲁棒性较强等优点,在实验中选用该算法。经实验证明,该方法可以耗时更短地完成虹膜特征提取,具有较高的识别率并得出特征向量。该文介绍虹膜特征提取设计的背景、意义以及目的,介绍LBP算法的概况、国内外发展的历史现状以及特征提取的设计原理、设计过程、结合理论知识进行实验,记录实验过程,分析实验结果,并对结果进行评价。

虹膜特征及其自动识别技术分析

虹膜是主要的生物识别技术之一。通过虹膜所具有的唯一性、稳定性、安全性、防伪性以及非侵入性、公众接受程度高等特征分析,指出虹膜识别技术的存在优势,说明了虹膜自动识别过程及图像处理方法,构建出了虹膜自动识别的理论依据和方法。

基于注意力机制的人脸虹膜双特征融合识别

针对单一生物识别方法存在的固有局限性,利用人脸和虹膜双生物模态信息,提出一种基于注意力机制和低秩多模态融合的身份识别模型(attention mechanism and low-rank multimodal fusion,ALMF)。在模型的人脸和虹膜特征提取网络中均嵌入改进的混合注意力机制(I_CBAM),增强有用特征的提取。利用模态特定低秩因子完成低秩多模态特征级融合(low-rank multimodal fusion,LMF),解决传统特征拼接方式无法充分实现各模态特征的互补、容易造成冗余信息和维度灾难等问题。使用简单高效的余弦距离完成特征模板的比对实现身份识别。实验结果表明,ALMF模型相比单一生物特征识别和传统融合识别算法具有更强的鲁棒性和准确率。