CN103955881B - 一种图像生物特征保护方法和装置及信息恢复方法 - Google Patents
一种图像生物特征保护方法和装置及信息恢复方法 Download PDFInfo
- Publication number
- CN103955881B CN103955881B CN201410158736.1A CN201410158736A CN103955881B CN 103955881 B CN103955881 B CN 103955881B CN 201410158736 A CN201410158736 A CN 201410158736A CN 103955881 B CN103955881 B CN 103955881B
- Authority
- CN
- China
- Prior art keywords
- biometric image
- image
- module
- coding
- pretreatment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于滤波技术的图像生物特征保护方法，包括：将身份信息转化为二进制编码；根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；将多个拆分编码分别对应到生物特征图像的具体位置；将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；将生物特征图像进行预处理，得到去噪生物特征图像；将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。本发明可以防止模板丢失时的原生物特征及数字信息的泄露，实现了生物特征模板和数字信息的联合保护，在信息恢复时，由于信息的认证与另一信息的提取是在同一步骤中完成的，实现了生物特征在数据库存储端与系统交互端的双重保护。
Description
技术领域
本发明涉及一种图像处理技术，尤其涉及一种基于滤波技术的图像生物特征保护方法和装置及信息恢复方法，属于利用其进行生物特征保护的装置，尤其适用于人脸、指纹、虹膜等图像生物特征的保护。
背景技术
生物特征保护在生物特征认证中有着十分重要的意义。Soutar等人提出了利用相关滤波器进行秘钥与指纹保护的方法（参见C.Soutar,D.Roberge,A.Stoianov,R.Gilroy,and B.V.K.Vijaya Kumar,“Biometric Encryption Using Image Processing,”Proc.SPIE,vol.3314,p.178,1998），他们通过指纹图像训练出一个相关滤波器，并将秘钥转化为二进制嵌入到相关滤波器中，实现秘钥的保护，但这种方法的抗噪声鲁棒性不强。另一种著名的方法是由Juels等人提出的Fuzzy Vault框架（参见A.Juels and M.Sudan,“AFuzzy Vault Scheme,”Designs,Codes and Cryptography,vol.38,no.2,pp.237-257,2006），这一框架将生物特征的模糊性和加密算法的精确性很好的联系起来，能够较好的用于生物特征加密，因此被广泛应用到指纹以及虹膜识别中，但其保密性能不如目前主流的加密技术如AES-128、DES等。为了解决生物特征信息泄露导致的安全问题，Ratha等人提出了一种可取消的生物特征滤波器（Cancelable Biometric Filters）（N.Ratha,S.Chikkerur,J.Connell,and R.Bolle,“Generating Cancelable FingerprintTemplates,”IEEE Trans.Pattern Analysis and Machine Intelligence,vol.29,no.4,pp.561-572,Apr.2007），通过引入额外秘钥，对生物特征模板进行保护，在信息泄露后，通过更改额外密钥，实现原模板的废除与新模板的建立，从而达到信息保护的作用。另一种将生物特征和加密技术结合起来的方法是通过采用纠错码技术，Hao等人在虹膜识别中利用Hadamard和Reed Solomon码实现了虹膜信息的保护（F.Hao,R.Anderson,and J.Daugman,“Combining Crypto with Biometrics Effectively,”IEEE Trans.Computers,vol.55,no.9,pp.1081-1088,Sept.2006），但这一方法需要将特征表示为二进制码，从而限制了它在其他生物特征如人脸、声音等上的应用。
发明内容
本发明所要解决的技术问题是，针对现有技术生物特征通常与个体的其他数字信息分别存储，存在安全隐患的不足，提供一种利用相关滤波器，实现对生物特征和个体数字信息进行联合保护的基于滤波技术的图像生物特征保护方法和装置及信息恢复方法。
本发明解决上述技术问题的技术方案如下：一种基于滤波技术的图像生物特征保护方法，具体包括以下步骤：
步骤1：编码模块将身份信息转化为二进制编码；
步骤2：拆分模块根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；
步骤3：位置对应模块将多个拆分编码分别对应到生物特征图像的具体位置；
步骤4：滤波设计模块将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；
步骤5：预处理模块将生物特征图像进行预处理，得到去噪生物特征图像；
步骤6：训练模块将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。
本发明的有益效果是：本发明可以防止模板丢失时的原生物特征及数字信息的泄露，实现了生物特征模板和数字信息的联合保护，同时在信息恢复时，由于信息的认证与另一信息的提取是在同一步骤中完成的，因此防止了绑架认证结果以盗取信息的情况发生，实现了生物特征在数据库存储端与系统交互端的双重保护。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述步骤5中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口等操作。
采用上述进一步方案的有益效果是，采用上述预处理，可以避免光照变换等噪声对生物特征图像的影响。
进一步，所述步骤5中对生物特征图像的预处理还包括添加密钥，所述生物特征图像根据添加的密钥生成一个随机变换模板。
采用上述进一步方案的有益效果是，生成一个随机变换模板，对生物特征进行相关滤波操作，增强保护强度。
进一步，所述步骤1中采用的编码方式采用格雷码等编码方式。
进一步，所述步骤6中的保护模板根据以下公式（1）得到：
其中，G为理想滤波输出的傅里叶变换形式，F为预处理后的生物特征图像的傅里叶变换形式。
本发明解决上述技术问题的技术方案如下：一种基于滤波技术的图像生物特征保护系统，包括：编码模块、拆分模块、位置对应模块、滤波设计模块、预处理模块和训练模块；
所述编码模块将身份信息转化为二进制编码，并将二进制编码发送到拆分模块；
所述拆分模块根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；
所述位置对应模块将多个拆分编码分别映射到生物特征图像的具体位置；
所述滤波设计模块将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；
所述预处理模块将生物特征图像进行预处理，得到去噪生物特征图像，并将去噪生物特征图像发送到训练模块；
所述训练模块将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述预处理模块中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口等操作。
采用上述进一步方案的有益效果是，采用上述预处理，可以避免光照变换等噪声对生物特征图像的影响。
进一步，所述预处理模块中对生物特征图像的预处理还包括添加密钥，所述生物特征图像根据添加的密钥生成一个随机变换模板。
采用上述进一步方案的有益效果是，生成一个随机变换模板，对生物特征进行相关滤波操作，增强保护强度。
进一步，所述编码模块中采用的编码方式采用格雷码等编码方式。
进一步，所述训练模块中的保护模板根据以下公式（1）得到：
其中，G为理想滤波输出的傅里叶变换形式，F为预处理后的生物特征图像的傅里叶变换形式。
本发明解决上述技术问题的技术方案如下：一种信息恢复方法，具体包括以下步骤：
步骤1：接收恢复请求，判断是生物特征图像还是身份信息请求，如果是生物特征图像，执行步骤2；否则，执行步骤4；
步骤2：将生物特征图像进行预处理，得到去噪生物特征图像，并将去噪生物特征图像与保护模板进行比对，得到对应生物特征图像的二进制编码；
步骤3：对二进制编码进行解码，得到身份信息，结束；
步骤4：将身份信息进行二进制编码和拆分，得到多个拆分编码，并将拆分编码分别映射到生物特征图像的具体位置，得到理想滤波输出；
步骤5：结合保护模板对理想滤波输出进行逆向操作，得到生物特征图像；
步骤6：对生物特征图像进行逆预处理，得到原始的生物特征图像。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述步骤2中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口等操作。
附图说明
图1为本发明具体实施例1所述的一种基于滤波技术的图像生物特征保护方法流程图；
图2为本发明具体实施例1所述的一种基于滤波技术的图像生物特征保护系统框图；
图3为本发明具体实施例2所述的一种信息恢复方法流程图。
附图中，各标号所代表的部件列表如下：
1、编码模块，2、拆分模块，3、位置对应模块，4、滤波设计模块，5、预处理模块，6、训练模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种基于滤波技术的图像生物特征保护方法，具体包括以下步骤：
步骤1：编码模块将身份信息转化为二进制编码；
步骤2：拆分模块根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；
步骤3：位置对应模块将多个拆分编码分别对应到生物特征图像的具体位置；
步骤4：滤波设计模块将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；
步骤5：预处理模块将生物特征图像进行预处理，得到去噪生物特征图像；
步骤6：训练模块将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。
所述步骤5中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口等操作。
所述步骤5中对生物特征图像的预处理还包括添加密钥，所述生物特征图像根据添加的密钥生成一个随机变换模板。
所述步骤1中采用的编码方式采用格雷码等编码方式。
所述步骤6中的保护模板根据以下公式（1）得到：
其中，G为理想滤波输出的傅里叶变换形式，F为预处理后的生物特征图像的傅里叶变换形式。
如图2所示，一种基于滤波技术的图像生物特征保护系统，包括：编码模块1、拆分模块2、位置对应模块3、滤波设计模块4、预处理模块5和训练模块6；
所述编码模块1将身份信息转化为二进制编码，并将二进制编码发送到拆分模块2；
所述拆分模块2根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；
所述位置对应模块3将多个拆分编码分别映射到生物特征图像的具体位置；
所述滤波设计模块4将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；
所述预处理模块5将生物特征图像进行预处理，得到去噪生物特征图像，并将去噪生物特征图像发送到训练模块6；
所述训练模块6将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。
所述预处理模块5中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口等操作。
所述预处理模块5中对生物特征图像的预处理还包括添加密钥，所述生物特征图像根据添加的密钥生成一个随机变换模板。
所述编码模块1中采用的编码方式采用格雷码等编码方式。
所述训练模块6中的保护模板根据以下公式（1）得到：
其中，G为理想滤波输出的傅里叶变换形式，F为预处理后的生物特征图像的傅里叶变换形式。
如图3所示，一种信息恢复方法，具体包括以下步骤：
步骤1：接收恢复请求，判断是生物特征图像还是身份信息请求，如果是生物特征图像，执行步骤2；否则，执行步骤4；
步骤2：将生物特征图像进行预处理，得到去噪生物特征图像，并将去噪生物特征图像与保护模板进行比对，得到对应生物特征图像的二进制编码；
步骤3：对二进制编码进行解码，得到身份信息，结束；
步骤4：将身份信息进行二进制编码和拆分，得到多个拆分编码，并将拆分编码分别映射到生物特征图像的具体位置，得到理想滤波输出；
步骤5：结合保护模板对理想滤波输出进行逆向操作，得到生物特征图像；
步骤6：对生物特征图像进行逆预处理，得到原始的生物特征图像。
所述步骤2中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口等操作。
本发明为实现生物特征与身份信息的联合保护，训练一个相关滤波器将生物特征和身份信息结合起来，本发明的基本步骤分为保护模板生成和认证信息恢复两部分，在模板生成阶段，将身份信息转化为二进制编码，并利用编码设计理想相关滤波器输出，将编码转化为位置信息融入到输出的各峰值中，再利用这一输出结合生物特征信息训练生成滤波器保护模板。在信息恢复阶段，利用同一人的同类生物特征或身份信息与保护模板进行相关操作，并从滤波输出中提取相关信息，实现信息恢复。
在模板生成阶段，首先将需要保护的身份信息转化为二进制编码，编码方式可以选择格雷码等方式，然后根据编码长度和生物特征图像的大小对二进制编码进行拆分（例如编码为100011，拆分为100和011），然后将各拆分部分对应到图像的具体位置（例如100对应于图像中的第4个位置，011对应于第3个位置），设计理想滤波器输出，即二进制编码的位置响应为一强峰值，而其余位置则基本为0。
同时，为了避免光照变化等噪声的影响，我们需要对生物特征进行一些预处理操作，预处理过程包括进行取对数处理、均值归零、能量归一化以及乘余弦窗口操作。如果为了进一步增加保密性能，还可以在这里引入附加秘钥，根据附加秘钥生成一个随机变换模板，对生物特征进行相关操作，增强保护强度。
经过预处理后，根据公式，利用理想滤波输出和处理后的生物特征图像进行保护模板的训练生成。其中G为理想滤波输出的傅里叶变换形式，F为预处理后的生物特征图像的傅里叶变换形式。
在信息恢复阶段，若是利用生物特征恢复身份信息，则将生物特征进行预处理后再与保护模板进行相关操作，提取出滤波输出中的峰值位置，将其转化为二进制编码并进行拼接，最终得出身份信息。若是利用身份信息恢复生物特征，则将身份信息进行二进制编码并映射到图像位置上，得到理想滤波输出，再结合滤波器模板进行逆相关操作，最终对结果进行逆预处理得到原始生物特征。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种基于滤波技术的图像生物特征保护方法，其特征在于，具体包括以下步骤：
步骤1：编码模块将身份信息转化为二进制编码；
步骤2：拆分模块根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；
步骤3：位置对应模块将多个拆分编码分别对应到生物特征图像的具体位置；
步骤4：滤波设计模块将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；
步骤5：预处理模块将生物特征图像进行预处理，得到去噪生物特征图像；
步骤6：训练模块将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。
2.根据权利要求1所述的一种基于滤波技术的图像生物特征保护方法，其特征在于，所述步骤5中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口操作。
3.根据权利要求2所述的一种基于滤波技术的图像生物特征保护方法，其特征在于，所述步骤5中对生物特征图像的预处理还包括添加密钥，所述生物特征图像根据添加的密钥生成一个随机变换模板。
4.根据权利要求3所述的一种基于滤波技术的图像生物特征保护方法，其特征在于，所述步骤1中采用的编码方式采用格雷码编码方式。
5.根据权利要求1-4任一项所述的一种基于滤波技术的图像生物特征保护方法，其特征在于，所述步骤6中的保护模板根据以下公式(1)得到：
其中，G为理想滤波输出的傅里叶变换形式，F为预处理后的生物特征图像的傅里叶变换形式。
6.一种基于滤波技术的图像生物特征保护系统，其特征在于，包括：编码模块、拆分模块、位置对应模块、滤波设计模块、预处理模块和训练模块；
所述编码模块将身份信息转化为二进制编码，并将二进制编码发送到拆分模块；
所述拆分模块根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；
所述位置对应模块将多个拆分编码分别映射到生物特征图像的具体位置；
所述滤波设计模块将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；
所述预处理模块将生物特征图像进行预处理，得到去噪生物特征图像，并将去噪生物特征图像发送到训练模块；
所述训练模块将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。
7.根据权利要求6所述的一种基于滤波技术的图像生物特征保护系统，其特征在于，所述预处理模块中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口操作。
8.根据权利要求7所述的一种基于滤波技术的图像生物特征保护系统，其特征在于，所述预处理模块中对生物特征图像的预处理还包括添加密钥，所述生物特征图像根据添加的密钥生成一个随机变换模板。
9.根据权利要求8所述的一种基于滤波技术的图像生物特征保护系统，其特征在于，所述编码模块中采用的编码方式采用格雷码编码方式。
10.根据权利要求6-9任一项所述的一种基于滤波技术的图像生物特征保护系统，其特征在于，所述训练模块中的保护模板根据以下公式(1)得到：
其中，G为理想滤波输出的傅里叶变换形式，F为预处理后的生物特征图像的傅里叶变换形式。
11.一种信息恢复方法，其特征在于，具体包括以下步骤：
步骤1：接收恢复请求，判断是生物特征图像还是身份信息请求，如果是生物特征图像，执行步骤2；否则，执行步骤4；
步骤2：将生物特征图像进行预处理，得到去噪生物特征图像，并将去噪生物特征图像与保护模板进行比对，得到对应生物特征图像的二进制编码；
步骤3：对二进制编码进行解码，得到身份信息，结束；
步骤4：将身份信息进行二进制编码和拆分，得到多个拆分编码，并将拆分编码分别映射到生物特征图像的具体位置，得到理想滤波输出；
步骤5：结合保护模板对理想滤波输出进行逆向操作，得到生物特征图像；
步骤6：对生物特征图像进行逆预处理，得到原始的生物特征图像；
所述保护模板的获取过程为：
步骤A：编码模块将身份信息转化为二进制编码；
步骤B：拆分模块根据二进制编码的长度和生物特征图像的大小对二进制编码进行拆分得到多个拆分编码；
步骤C：位置对应模块将多个拆分编码分别对应到生物特征图像的具体位置；
步骤D：滤波设计模块将拆分编码的位置响应对应到滤波输出的强峰值，完成对理想滤波输出的设置；
步骤E：预处理模块将生物特征图像进行预处理，得到去噪生物特征图像；
步骤F：训练模块将去噪生物特征图像与理想滤波输出结合进行训练，得到保护模板。
12.根据权利要求11所述的一种信息恢复方法，其特征在于，所述步骤2中对生物特征图像的预处理包括取对数处理、均值归零、能量归一化和乘余弦窗口操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410158736.1A CN103955881B (zh) | 2014-04-18 | 2014-04-18 | 一种图像生物特征保护方法和装置及信息恢复方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410158736.1A CN103955881B (zh) | 2014-04-18 | 2014-04-18 | 一种图像生物特征保护方法和装置及信息恢复方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103955881A CN103955881A (zh) | 2014-07-30 |
| CN103955881B true CN103955881B (zh) | 2017-06-16 |
Family
ID=51333151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410158736.1A Active CN103955881B (zh) | 2014-04-18 | 2014-04-18 | 一种图像生物特征保护方法和装置及信息恢复方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103955881B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023066374A1 (zh) * | 2021-10-21 | 2023-04-27 | 墨奇科技（北京）有限公司 | 隐私保护的图像处理方法、身份注册方法及身份认证方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101278518A (zh) * | 2005-09-29 | 2008-10-01 | 皇家飞利浦电子股份有限公司 | 生物特征模板的安全保护 |
| CN101517615A (zh) * | 2006-09-29 | 2009-08-26 | 冲电气工业株式会社 | 个人认证系统和个人认证方法 |
| CN103646202A (zh) * | 2013-12-09 | 2014-03-19 | 东南大学 | 一种指纹信息的编码加密及应用方法 |
-
2014
- 2014-04-18 CN CN201410158736.1A patent/CN103955881B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101278518A (zh) * | 2005-09-29 | 2008-10-01 | 皇家飞利浦电子股份有限公司 | 生物特征模板的安全保护 |
| CN101517615A (zh) * | 2006-09-29 | 2009-08-26 | 冲电气工业株式会社 | 个人认证系统和个人认证方法 |
| CN103646202A (zh) * | 2013-12-09 | 2014-03-19 | 东南大学 | 一种指纹信息的编码加密及应用方法 |
Non-Patent Citations (2)
| Title |
|---|
| Combining Crypto with Biometrics Effectively;Feng Hao等;《IEEE TRANSACTIONS ON COMPUTERS》;20060930;第55卷(第9期);第1081-1088页 * |
| 基于嵌入式的指纹预处理算法研究;杨慧 等;《计算机系统应用》;20091231(第5期);第89-92页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103955881A (zh) | 2014-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Revenkar et al. | Secure iris authentication using visual cryptography | |
| Aparna et al. | An efficient medical image watermarking technique in E-healthcare application using hybridization of compression and cryptography algorithm | |
| Sudhakar et al. | Cancelable biometrics using deep learning as a cloud service | |
| CN103391201A (zh) | 基于声纹识别实现智能卡身份验证的系统及方法 | |
| Eskander et al. | A bio-cryptographic system based on offline signature images | |
| Li et al. | Generating cancelable palmprint templates via coupled nonlinear dynamic filters and multiple orientation palmcodes | |
| CN102609677A (zh) | 一种基于指纹和纠错码的生物特征密码系统 | |
| Rajasekar et al. | Cancelable Iris template for secure authentication based on random projection and double random phase encoding | |
| Khan et al. | Multimodal face and fingerprint biometrics authentication on space-limited tokens | |
| Chafia et al. | A biometric crypto-system for authentication | |
| CN108959891A (zh) | 基于秘密共享的脑电身份认证方法 | |
| CN103646236A (zh) | 一种掌纹信息的编码加密及应用方法 | |
| Wu et al. | Fingerprint bio‐key generation based on a deep neural network | |
| Moradi et al. | A Real‐Time Biometric Encryption Scheme Based on Fuzzy Logic for IoT | |
| CN103955881B (zh) | 一种图像生物特征保护方法和装置及信息恢复方法 | |
| Xu et al. | Deep joint source-channel coding for image transmission with visual protection | |
| Ziauddin et al. | Robust iris verification for key management | |
| Sardar et al. | Implementation of face recognition system using BioCryptosystem as template protection scheme | |
| Sheng et al. | Reliable and secure encryption key generation from fingerprints | |
| Siddhad et al. | Cancelable biometric template generation using convolutional autoencoder | |
| Zhang et al. | Cheetah: An ultra-fast, approximation-free, and privacy-preserved neural network framework based on joint obscure linear and nonlinear computations | |
| CN115205908A (zh) | 基于深度哈希和注意力机制的可撤销掌纹识别方法 | |
| Al-Ani et al. | Effective fingerprint recognition approach based on double fingerprint thumb | |
| Li et al. | A High Performance and Secure Palmprint Template Protection Scheme. | |
| Wang et al. | Chaos-based biometrics template protection and secure authentication |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |