基于掌纹、人脸关联特征的身份识别算法.pdfVIP

第15卷第3期 电路与系统学报 V01．15No．3 2010年6月 JOURNALOFCIRCUITSANDSYSTEMS June，2010 文章编号：1007·0249(2010)03—0086·05 基于掌纹、人脸关联特征的身份识别算法★ 李春芝1， 陈晓华1， 蒋云良1,2， 张士雄3 (1．湖州师范学院信息工程学院，浙江湖州313000：2．浙江大学计算机科学与技术学院，浙江杭州310027： 3．华南理工大学自动化科学与工程学院，广东广州510640) 摘要。首先对掌纹、人脸图像进行融合；接着利用小波变换增强融合后图像；然后利用一种新的子空间分析方法 TransformandTwo．Dimensional Cosine ——对角离散余弦变换和二维主元判别分析(Diagonal，Discrete Principle Component 表明，本文算法有效地提高了身份识别的正确识别率。 关键词。小波增强；掌纹识别；人脸识别；身份识别 中图分类号tTP391 文献标识码tA 1 引言 由于各种生物特征的识别方式都有一定的适用范围和要求，单一的生物特征用于身份识别时，都 有其固有而难以克服的缺点，到目前为止，任何基于单一生物特征技术的身份识别系统都无法完全满 足实际应用的要求。人脸识别是最容易被接受的身份识别方法，但人脸会随着年龄变化，且长相相似 的双胞胎仍然难于区分。掌纹识别利用人的掌部纹理作为生物特征进行身份的自动确认，是生物认证领 域的又一新兴技术，但是掌纹识别也无法避免一些疾病患者无法利用掌纹识别系统进行识别。而且对于 一个身份识别系统，由于传感器的噪声以及特征提取和匹配的缺陷，往往不能保证得出正确的识别结 果。因此生物特征识别系统有待改进，而多生物特征的融合与识别技术为单一生物特征识别带来的一 些实际问题提供了有效的解决方案¨J。 将人脸识别与掌纹识别进行融合的研究并不多见，Arun 在匹配层融合相比较，特征层融合对特征信息进行综合分析和处理，实现了信息压缩，但是信息压缩 过程中丢失了一部分对识别有用的特征，而数据层融合直接在采集到的原始数据层上进行融合，可用的 信息量更大。本文在研究数据层融合的基础上，首先对读入的掌纹、人脸图像进行融合，对融合后的 掌纹、人脸进行小波变换。由于小波变换后图像的轮廓主要体现在低频部分，而细节部分则体现在高 频部分，因此通过设定阈值对高频分解系数进行衰减和增强处理，从而达到图像增强的作用。由于数 据层融合是将原始数据直接进行融合，将导致计算复杂，同时考虑到传统的子空间分析方法，容易受 到噪声影响，且仅反映了图像行(列)之间的变化，遗漏了图像列(行)之间的变化，而图像列(行) 之间的变化也是生物识别中有用的信息，基于此，本文提出对角离散余弦变换和二维主元判别分析 Two—Dimensional CosineTransformand (Diagonal。Discrete PrincipleComponentAnalysis， 图像的列变化之间的相关性；然后利用余弦变换进行图像压缩和重建，达到降维、去噪目的，再用二 维主元分析方法(Two．DimensionalPrinciple 征矩阵l最后利用最小距离分类器(NearestNeighbor 公布的PolyU掌纹数据库(Version ’收稿日期z2008—06·30 修订日期：2008-09—19 (2010C33GZ200008)：湖州市自然科学资金(2010C50116) 第3期 李春芝等：基于掌纹、人脸关联特征的身份识别算法 联特征算法有效地提高了身份识别的准确性，与掌纹、人脸 特征层融合算法相比【jJ，本文算法更加有效，为多生物特征身 份识别提供了一种新