生物信息特征识别

第1章 生物特征识别基础知识

1.1 引言

1.2 通用概念和术语

1.3 生物特征识别技术简介

1.3.1 指纹识别

1.3.2 人脸识别

1.3.3 虹膜识别

1.3.4 视网膜识别

1.3.5 掌形识别

1.3.6 语音识别

1.3.7 签名识别

1.3.8 其他生物特征识别技术

1.3.9 多模态识别

1.4 生物特征识别技术的横向比较

1.5 生物特征识别技术发展现状和趋势

1.6 本书主要内容

本章参考文献

第2章 传感器技术与嵌入式平台

2.1 引言

2.2 指纹图像采集技术

2.3 其他生物特征采集技术

2.4 嵌入式指纹识别技术

2.4.1 嵌入式指纹识别系统简介

2.4.2 基于DSP的嵌入式指纹识别模块

2.4.3 基于ARM的嵌入式指纹识别模块

2.4.4 基于ASIC的指纹识别技术的实现

2.4.5 嵌入式指纹识别系统中的关键技术

2.5 小结

本章参考文献

第3章 指纹图像的增强

3.1 引言

3.2 指纹预处理

3.2.1 基于傅里叶变换的指纹预处理

3.2.2 归一化

3.3 方向场的计算

3.3.1 掩膜法

3.3.2 公式法

3.3.3 带反馈的指纹方向场计算方法

3.4 图像的增强

3.4.1 Gabor滤波增强

3.4.2 基于傅里叶滤波的低质量指纹增强算法

3.4.3 基于知识的指纹图像增强算法

3.4.4 非线性扩散模型及其滤波方法

3.4.5 多尺度滤波

3.4.6 基于各向异性的滤波方法

3.5 小结

本章参考文献

第4章 指纹特征的提取

4.1 引言

4.2 指纹的整体特征描述

4.2.1 指纹奇异点的特征和提取

4.2.2 指纹的类型特征

4.2.3 指纹的频谱特征

4.3 指纹的局部特征描述

4.3.1 指纹的细节点特征

4.3.2 高分辨率的指纹特征——汗孔

4.3.3 指纹的纹理特征

4.4 结构化的指纹特征描述方法

4.5 小结

本章参考文献

第5章 指纹图像的分类与压缩

5.1 引言

5.2 指纹分类技术

5.2.1 基于规则的指纹分类方法

5.2.2 基于句法的指纹分类方法

5.2.3 结构化的指纹分类方法

5.2.4 基于统计的指纹分类方法

5.2.5 基于神经网络的指纹分类方法

5.2.6 多分类器的方法

5.3 基于反馈环节的多分类器方法

5.4 基于混合特征的指纹连续分类方法

5.4.1 指纹分类特征提取

5.4.2 指纹分类

5.5 指纹检索

5.6 指纹压缩简介

5.6.1 图像压缩的衡量标准

5.6.2 图像压缩技术分类

5.6.3 小波图像压缩的基本方法

5.6.4 小波图像压缩算法的新发展

5.6.5 几种主要的小波图像压缩算法

5.7 小结

本章参考文献

第6章 指纹图像的匹配

6.1 引言

6.2 基于点模式的匹配算法

6.2.1 基于串距离的匹配算法

6.2.2 基于细节点对的指纹匹配

6.2.3 基于三角结构的指纹匹配

6.2.4 基于拓扑结构的指纹匹配

6.2.5 基于点模式匹配算法的比较分析

6.3 图匹配及其他方法

6.4 基于纹理模式的匹配

6.5 混合匹配方法

6.5.1 混合匹配方法综述

6.5.2 基于混合特征的匹配

6.6 非线性形变指纹图像的匹配

6.6.1 非线性形变指纹匹配算法综述

6.6.2 非线性形变的配准模式研究

6.7 多采集仪间的指纹匹配

6.8 小结

本章参考文献

第7章 人脸识别

7.1 引言

7.2 人脸检测

7.2.1 人脸检测方法概述

7.2.2 基于启发式模型的方法

7.2.3 基于统计模型的方法

7.3 人脸正则化

7.4 人脸识别

7.4.1 人脸识别方法概述

7.4.2 基于局部或全局特征的人脸识别算法

7.4.3 基于子空间分析方法的人脸识别

7.4.4 基于相对差分空间的人脸识别

7.5 小结

本章参考文献

第8章 其他生物特征识别

8.1 引言

8.2 掌形识别

8.2.1 掌形识别简介

8.2.2 掌形的特征及预处理

8.2.3 掌形识别算法

8.3 虹膜识别

8.3.1 虹膜图像的获取

8.3.2 虹膜图像的增强

8.3.3 虹膜识别算法

8.4 签名识别

8.4.1 签名识别简介

8.4.2 签名识别应用

8.4.3 签名采集硬件

8.4.4 签名识别算法

8.5 小结

本章参考文献

第9章 生物特征识别系统及其性能评测

9.1 引言

9.2 系统要求

9.3 系统模型

9.4 系统层次框架

9.4.1 系统层

9.4.2 算法层

9.4.3 评估层

9.4.4 应用层

9.5 生物特征识别系统性能评估

9.5.1 标准生物特征识别数据库

9.5.2 生物识别算法的评估

9.5.3 指纹识别算法的准确性评估

9.6 生物特征识别标准化简介

9.6.1 标准的需求

9.6.2 国际标准化进程

9.6.3 国际标准化组织简介

9.6.4 ISO/IECJTC1SC37简介

9.6.5 现有国际标准简介

9.6.6 国内标准化现状

9.7 生物特征识别的通用软件接口规范BioAPI

9.7.1 BioAPI简介

9.7.2 BioAPI的应用程序接口

9.8 小结

本章参考文献

第10章 生物特征识别系统安全性研究

10.1 引言

10.2 生物特征识别系统的安全性分析

10.2.1 传统生物特征识别系统存在的缺陷

10.2.2 对生物特征识别系统的攻击

10.3 活体指纹检测

10.3.1 基于薄板样条模型的活体指纹检测方法

10.3.2 算法的具体步骤

10.4 生物特征模板的保护

10.4.1 生物特征加密概述

10.4.2 与密钥相关的方法

10.4.3 可以撤销的生物特征

10.4.4 加密域指纹配准算法

10.4.5 实验分析

10.5 小结

本章参考文献

第11章 指纹模糊密钥绑定算法设计与实现

11.1 引言

11.2 模糊密钥绑定算法

11.2.1 加密流程

11.2.2 配准流程

11.2.3 解密流程

11.3 细节点过滤算法

11.3.1 指纹图像局部质量判断

11.3.2 局部脊线结构构造

11.4 基于SHA1安全散列算法的多项式重构

11.5 配准结构特征提取

11.6 加密域内配准

11.7 算法平台设计与实现

11.7.1 指纹模板加密保护平台

11.7.2 算法安全性分析

本章参考文献

第12章 基于指纹加密的网络身份认证方案及其典型应用系统

12.1 引言

12.2 现有网络信息安全技术的问题与不足

12.2.1 PKI存在的问题

12.2.2 IBE的优点与不足

12.2.3 FIBE的特点和能解决的问题

12.3 方案设计

12.3.1 TA系统参数设置

12.3.2 用户注册

12.3.3 安全通信

12.3.4 TA提供的其他服务

12.4 密钥管理方案

12.5 核心算法

12.5.1 签名算法Sig及验证算法Ver

12.5.2 指纹摘要匹配算法

12.5.3 算法安全性分析

12.5.4 算法实验结果

12.6 方案安全性分析

12.7 典型应用系统：基于指纹认证的安全邮件系统

12.7.1 系统协议分析

12.7.2 系统设计与实现

12.7.3 系统使用操作

12.7.4 FingerMail指纹安全电子邮件系统

12.8 小结

本章参考文献

第13章 生物特征识别系统的典型应用

13.1 引言

13.2 生物特征识别技术在电子政务领域的应用

13.2.1 生物特征识别技术在公安刑侦领域的应用

13.2.2 基于指纹身份认证的异地网络授权管理系统

13.2.3 生物特征识别技术在通关系统中的应用

13.3 生物特征识别技术在电子商务领域的应用

13.3.1 基于指纹加密技术的电子商务新模式简介

13.3.2 方案1简介

13.3.3 方案2简介

13.4 生物特征识别技术在个人信息安全领域的应用

13.4.1 指纹计算机登录系统

13.4.2 指纹认证技术与TPM技术的结合

13.4.3 指纹文件加密系统

13.4.4 指纹移动存储设备

13.5 小结

本章参考文献

附录A 有关生物特征识别技术的问答

附录B 生物特征识别数据库资源

附录C 生物特征识别平台资源

附录D 国外从事生物特征识别研究的部分机构

附录E 与生物特征识别技术研究有关的网站、学术期刊和会议

全书参考文献

本书以指纹识别技术为主线，系统地介绍了生物特征识别技术的理论和应用。主要内容包括指纹图像的增强、指纹的特征提取、指纹图像的分类与检索及压缩技术、指纹图像匹配算法、指纹识别算法在嵌入式系统中的实现与应用、人脸识别技术以及其他生物特征识别技术、生物特征识别系统与评测方法、生物特征标准化工作、生物特征识别技术的典型应用实例等，并重点介绍了生物特征识别技术安全性研究，给出基于指纹加密的安全邮件系统设计实例。本书内容系统、全面、新颖，理论与典型应用实例相结合。本书的读者对象为从事生物特征识别、图像处理、计算机应用、模式识别等领域研究的专业人员和应用开发人员，以及高等学校相关专业的师生。

《生物特征识别理论与应用》集成多种生物特征识别技术与应用，反映了国内外生物特征识别前沿技术发展。　
《生物特征识别理论与应用》内容系统、全面、新颖，理论与典型应用实例相结合。《生物特征识别理论与应用》的读者对象为从事生物特征识别、图像处理、计算机应用、模式识别等领域研究的专业人员和应用开发人员，以及高等学校相关专业的师生。