資源描述：
《一種基于特征級融合的多模態(tài)生物特征識別方法》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在工程資料-天天文庫。
1、一種基于特征級融合的多模態(tài)生物特征識別方法王風華孟文杰（中國石油大學（華東）計算機與通信工程學院，青島266555）摘要牛物特征識別是信息技術領域的研究熱點，其中多模態(tài)牛物識別技術憑借更好的適用性、更高的安全性及更優(yōu)的性能成為發(fā)展趨勢。提出了一種融合虹膜特征和掌紋特征的多模態(tài)生物特征識別方法，該方法分別提取虹膜及掌紋特征，融合時不同于傳統(tǒng)的匹配級融合，而是從特征級融合入手，采用并行特征融合策略，將兩特征向量以復向量的形式進行融合，構威復向量空間，并利用酉距離進行匹配決策。實驗結(jié)果表明此方法比單模生物特征方法在識
2、別性能上有了明顯改善，同時與傳統(tǒng)兀呢級融合策略相比，更有優(yōu)勢，識別效果更好。關鍵詞特征級融合多模態(tài)生物特征識別中圖法分類號TP391.41;文獻標志碼A隨著信息技術的迅速發(fā)展，如何在數(shù)字環(huán)境中進行快速、準確、安全的個人身份識別與驗證成為備受關注的熱點問題。生物特征識別技術因而受到廣泛關注，并成為未來信息安全的重要解決方案。日前，基于單模態(tài)的生物識別技術取得了非常多的研究成果，并得到了應用。但隨著應用領域的不斷拓寬，單模態(tài)牛物識別技術在應用中表現(xiàn)出許多弊端和局限性，具體表現(xiàn)在：在復雜環(huán)境下某些牛物特征在采集過程中
3、易受干擾；生物特征偽造技術的進步使得單模態(tài)識別系統(tǒng)存在安全隱患；實際存在的不普遍性（如特殊群體存在牛物特征缺失、損傷.病變等｝影響了生物識別技術的廣泛應用。基于上述原因，一種更可靠的應用模式，多模態(tài)牛物識別技術應運而生。多模態(tài)生物識別技術就是利用多種牛物特征進行身份識別，在提高識別可靠性和應用廣泛性方面，表現(xiàn)出更好的性能⑴O多模態(tài)生物識別技術的研究始于20世紀90年代，并提出了許多有效的多模態(tài)生物特征識別方2012年2月13H收到山東省自然科學基金（ZR2011FQ018/、中央高校基本科研業(yè)務費專項資金<11
4、CX04054A；資助第一作者簡介：王風華（1979—I，山東泰安人，講師，瞎士，研究方法C2>3]o從融合層次的角度分析目前的方法，多種生物特征在融合時，匹配級和決策級是選擇較多的層次。決策級融合在邏輯上比較簡單，但對系統(tǒng)性能的提高能力有限。匹配級融合的對象是特征匹配后的分數(shù)（MatchingScore），這種方式是應用最普遍的一種，但匹配級的融合同樣沒冇充分利用不同模態(tài)生物特征所蘊含的類別信息。相比兀配級和決策級，特征級能夠最人程度的利用不同模態(tài)特征的區(qū)分性，同時消除原始樣本的冗余性，在理論上可以達到最佳
5、的識別效果⑷，因此本文沒有選擇匹配級或決策級，而是從特征級融合入手，提出了一種基于虹膜和掌紋的多模態(tài)生物特征識別方法。1多模態(tài)生物識別系統(tǒng)框架虹膜識別和拿紋識別是廣受關注的兩種生物特征識別技術，二者都具備非侵犯性、易于接受等特點，此外在識別原理和識別過程上也具有許多相似性。因此，基于兩者結(jié)合的多模態(tài)生物識別系統(tǒng)具有良好的可操作性和廣闊的應用前景。虹膜識別和掌紋識別主要包括圖像采集.圖俊預處理、特征提取、匹配和決策等幾個過程。當多牛?物特征的融合時，由于兀配級與決策級不能最大選擇了特征級，在特征級對虹膜特征和掌紋
6、特征進行融合，并對融合后的多模態(tài)特征進行決策識別，具體框架結(jié)構如圖1所示。⑻內(nèi)外邊綠定位石圖像化后圖像(b)眼險定位后圖像(d)對比度增強石圖像圖2虹膜圖像預處理特征提取特征提取羣紋待征_?特征融合V_1圖像険處理模式匹配決策模板數(shù)據(jù)庫Gabor濾波器，通過提取多方向和多尺度虹膜濾波圖像的絕對平均偏差來描述虹膜紋理特征，具體實現(xiàn)如下。首先將經(jīng)過預處理后的虹膜圖像分為8個大小均勻的子塊，每個圖像子塊的大小為64X64像素。對于每個子塊圖像利用構建的Log-Gabor濾波器組提取相應的虹膜紋理特征。我們共構造了4個
7、同類匹配/接受異類匹配/長濰圖1結(jié)構框架圖從圖1所示的結(jié)構框架可見，利用多模生物特征進行身份識別時，首先從待識別人采集虹膜和學紋圖像，并分別進行特征提取，然后對兩種特征進行融合，融合后特征與對應模板庫進行匹配，最后根據(jù)兀配結(jié)果進行最終的決策(判為同類匹配則搖收，判為異類兀配則拒絕)。下面分別對采用的諺別算法和融合策略進行介紹。2識別算法介紹2.1虹膜識別算法虹膜識別冃前己提岀了許多有效的識別算法，其中廣泛采用的是利用2DGabor濾波器提取虹膜紋理特征同o近來的研究發(fā)現(xiàn)Log-Gabor濾波器在提取虹膜紋理特征
8、時表現(xiàn)出更好的性能。因此，本文采用的是基于2DLog-Gabor濾波的識別算法，具體過程如下。虹膜識別首先需要對虹膜圖像進行預處理，包括內(nèi)外邊緣及眼臉的定位、歸一化及對比度增強等，具體如圖2所示。尺度，每個尺度4個方向(0=0：,45c,90!,135*),這樣就一共構造了16個Log-Gabor濾波器。根據(jù)公式］D，每個子圖像使用這16個不同的Log-Gabor濾波器進行濾波,總共可
