掌紋和靜脈特征融合算法的研究.pdf

1、基于信息融合的多模態(tài)生物特征識別彌補(bǔ)了單模態(tài)安全性不高、識別率較低、用戶接受度差等方面的不足，成為信息安全和生物認(rèn)證領(lǐng)域研究的熱點(diǎn)。掌紋和掌靜脈的融合信息量全，安全性高，采集較為簡單，用戶易接受，另外通過對不同融合層次的分析表明，特征級融合包含的信息量相對豐富，且所需處理的數(shù)據(jù)量相比圖像級融合較少，識別率又高于匹配級和決策級融合，因此本文基于掌紋和掌靜脈的特征級融合進(jìn)行研究。在對信息融合的知識，掌紋與掌靜脈的特征及其特征提取算法總結(jié)歸納

2、的基礎(chǔ)上，針對特征級融合過程中噪聲的影響以及特征融合后維數(shù)增加，會導(dǎo)致識別率和效率降低的問題，做了如下工作:
　　(1)針對特征提取過程中噪聲的影響，提出用局部方向模式提取掌紋和掌靜脈的紋理特征。局部方向模式通過Krisch模板8方向算子進(jìn)行卷積計(jì)算中心點(diǎn)的特征值，考慮了邊緣特征的方向性，克服了局部二值模式對非一致性光照敏感和抗噪能力不足的問題。實(shí)驗(yàn)表明，該算法與傳統(tǒng)局部二值模式相比，在掌紋和掌靜脈識別方面的識別率平均分別提高約1

3、.35％和1.50％，與其他經(jīng)典算法對比均有所提高，驗(yàn)證了局部方向模式提取掌紋掌靜脈特征在識別率方面的優(yōu)勢。
　　(2)針對信息融合過程中特征矢量維數(shù)增加，會導(dǎo)致“維數(shù)災(zāi)難”的問題，提出用改進(jìn)的典型相關(guān)分析算法進(jìn)行掌紋掌靜脈特征的融合。典型相關(guān)分析法通過分析少數(shù)幾對典型變量就可對掌紋掌靜脈特征的相關(guān)性做出分析，減少融合過程中的信息冗余，提高融合的效果。針對傳統(tǒng)典型相關(guān)分析法準(zhǔn)則函數(shù)的分母難以取得最小值的問題，引入校正系數(shù)對準(zhǔn)則函數(shù)

4、進(jìn)行改進(jìn)，調(diào)整了特征矢量的投影方向確保準(zhǔn)則函數(shù)分母的最小化，從而可以求出最具代表性的幾組典型相關(guān)特征進(jìn)行掌紋和掌靜脈的特征融合。實(shí)驗(yàn)表明:1）改進(jìn)后的典型相關(guān)分析法較原始典型相關(guān)分析法在信息融合方面性能得到改善，識別率得到提高;2）改進(jìn)的典型相關(guān)分析法進(jìn)行掌紋掌靜脈特征融合后的識別效果優(yōu)于單模態(tài)的掌紋掌靜脈識別，識別率分別提高約1.14％和4.01％;3）本文算法實(shí)驗(yàn)得到的ROC曲線位于傳統(tǒng)貝葉斯方法，串行和并行融合方法ROC曲線的下方