|
一、立题依据（包括研究目的、意义、国内外研究现状和发展趋势，需结合科学研究发展趋势来论述科学意义；或结合国民经济和社会发展中迫切需要解决的关键科技问题来论述其应用前景。附主要参考文献目录）（不少于800字）
1、选此题的原因
随着中国经济的快速增长，互联网发展给人们的生活带来了许多便捷，信息也逐渐呈指数增长，由此带来的安全性问题比比皆是。为了保障信息安全性，我们在很多时候需要进行身份认证，尤其是国防安全和刑事领域，是防范非法分子登记，危害群众的重要措施，而目前的身份认证技术主要有两种[1]：一种是基于身份标示物（如药匙、证件、卡等）的身份认证，另一种是基于身份标示知识（如密码、卡号、用户名等）的身份认证。但两者都存在着各自难以克服的缺陷。标示物容易丢失和被伪造，标示知识容易遗忘或被记错；更为严重的是，这些传统的身份识别方法往往无法区分标示物的真正拥有者和取得标示物的冒充者，一旦他人获得这些标示物，就可以拥有相同的权利。因此，国家近几年推出生物特征识别技术，通过计算机将人体所固有的生理特征或行为特征收集进行处理，来进行个人身份鉴定，克服传统身份识别的缺陷。
生物特征识别技术克服了传统身份认证的缺陷，已经被广泛的应用于各种需要身份认证的场景。其中指静脉识别技术凭借高防伪性、高精确性、唯一性等优势引起了大家的关注。但是，目前的指静脉认证方案仍然存在两个不足之处。其一，目前的生物特征识别系统中主要采取的工作模式是采集图像，处理图像，提取生物特征和模式匹配。但是，在模式匹配阶段，很多的身份鉴别系统将用户的生物特征模板直接保存在数据库中，未进行任何加密，这使得鉴别系统存在很多安全性问题，一旦特征向量数据被盗窃，将带来严重灾难。其二，静脉的特征提取基于传统的图像处理方式，得到的特征向量数据维度高，计算时间长，导致身份识别速度慢，准确率低。因此本论文针对这两个问题展开了研究，具有很高的研究和实现意义。
2、国内外研究现状
在指静脉加密领域，目前的生物特征加密技术根据密钥的生成过程分为两大类。一类是密钥绑定系统[2]，在注册阶段，输入的生物特征与密钥绑定，生成辅助数据，并将该辅助数据作为模板存储在数据库中。在认证阶段，输入的生物特征与辅助数据一起计算恢复出密钥，验证密钥的有效性判断结果。另一类是密钥生成系统[3]，不需要外部输入密钥，从生物特征中直接提取均匀分布的密钥来加密该模板。随着这两类生物特征加密方法的提出，研究者将这些方法应用于指纹，人脸和虹膜中，但大部分处于理论研究阶段，依赖于外部输入的密钥，个别给出了具体方案以及实验结果，但结果不是特别理想。本文将基于这两类方案的基础上进行深入研究，将其开创性的应用在指静脉领域，提出完整的指静脉加密方案，并能通过实验验证所提方案的有效性，分析系统的安全性，对指静脉加密领域进行探索。
在指静脉的分类识别领域，文献[4]提出了一种基于三值模板图像的模糊匹配方法。该算法将提取出的手指静脉图像分割为三值图像。三值图像应用于模板匹配时，计算模板间非0值区域之间的平均距离作为相似分数，分数越低，则模板越相似。文献[5]提出了使用微分直方图方向法来对获得的手背图像进行增强，然后对图像进行均值滤波、图像细化等处理，根据得到的清晰个体特征来进行模式识别。文献[6]提出了一种分块提取局部方向特征，并将所有特征融合的静脉识别算法。通过细化算法和脊波变换后，利用支持向量机（SVM）对其进行识别匹配。其他论文主要是先对指静脉图像进行降维，采取的算法有主成分分析法（PCA），LDA以及对这两种算法的各种改进变形；之后采取手指静脉的灰度剖面曲线或指静脉的拓扑结构进行信息融合，达到分类识别的目的。将机器学习的方法应用于指静脉分类识别中的研究甚少，本论文尝试将机器学习中的方法加以改进应用于指静脉的分类识别中，为今后的静脉识别奠定基础。
3、应用前景
中国拥有13亿人口规模，是一个有高度增长可能性的市场，也必定会为生物特征技术提供广阔的发展空间。近几年，中国越来越关注生物认证技术，特别是手指静脉识别技术，这项技术会越来越普及，需求也越来越大，可以应用于门禁系统，银行ATM机，监狱等地方。另外，手指静脉识别在考试系统和社保系统也有很好的应用。在考试系统中对于学生来说能够防止学生冒名顶替参加考试，防止违法作弊；对于监考人员来说，数据批量处理更加有效率、更加安全和精准。在社保管理系统中，存在冒名顶替的现象，手指静脉识别可以减少这种现象的发生，在财政流失方面会有很好的控制，综上所述，手指静脉的加密和分类识别具有广阔的应用场景。
参考文献
[1] Yu C, Qin H. Biometric identification technology. finger vein recognition technology [M]. Tsinghua University, 2009.
[2] Reiter M K, Stubblebine S G. Method for providing authentication assurance in a key-binding system: US, US6405313[P]. 2002.
[3] Gannett D K. Key generating system[J]. 1976.
[4] Chen L. Finger Vein Image Recognition Based on Tri-value Template Fuzzy Matching[J]. Geomatics & Information Science of Wuhan University, 2011, 36(2):157-162.
[5] Zhang H. Study on the Algorithms for Enhancing the Contrast of Hand Vein Image[J]. Chinese Journal of Scientific Instrument, 2005.
[6] Jia X, Xue D Y, Cui J J, et al. Dorsal Hand Vein Recognition Algorithm Based on Ridgelet Transforming of Divided Blocks[J]. Pattern Recognition & Artificial Intelligence, 2011, 24(3):346-352.
|
