一种基于特征级融合的多模态生物特征识别方法.docxVIP

一种基于特征级融合的多模态生物特征识别方法 王风华孟文杰 （中国石油大学（华东）计算机与通信工程学院，青岛266555） 摘 要 牛物特征识别是信息技术领域的研究热点，其中多模态牛物识别技术凭借更好的适用性、更高的安全性及更优的性 能成为发展趋势。提出了一种融合虹膜特征和掌纹特征的多模态生物特征识别方法，该方法分别提取虹膜及掌纹特征，融合 时不同于传统的匹配级融合，而是从特征级融合入手，采用并行特征融合策略，将两特征向量以复向量的形式进行融合，构威 复向量空间，并利用酉距离进行匹配决策。实验结果表明此方法比单模生物特征方法在识别性能上有了明显改善，同时与传 统兀呢级融合策略相比，更有优势，识别效果更好。 关键词特征级融合 多模态 生物特征识别 中图法分类号 TP391.41; 文献标志码 A 随着信息技术的迅速发展，如何在数字环境中 进行快速、准确、安全的个人身份识别与验证成为 备受关注的热点问题。生物特征识别技术因而受 到广泛关注，并成为未来信息安全的重要解决方案。 日前，基于单模态的生物识別技术取得了非常 多的研究成果，并得到了应用。但随着应用领域的 不断拓宽，单模态牛物识别技术在应用中表现出许 多弊端和局限性，具体表现在：在复杂环境下某些 牛物特征在采集过程中易受干扰；生物特征伪造技 术的进步使得单模态识别系统存在安全隐患；实际 存在的不普遍性（如特殊群体存在牛物特征缺失、 损伤.病变等｝影响了生物识别技术的广泛应用。 基于上述原因，一种更可靠的应用模式，多模态牛 物识别技术应运而生。多模态生物识别技术就是 利用多种牛物特征进行身份识别，在提高识别可靠 性和应用广泛性方面，表现出更好的性能⑴O 多模态生物识別技术的研究始于20世纪90年 代，并提出了许多有效的多模态生物特征识别方 2012年2月13 H收到 山东省自然科学基金（ZR2011FQ018/、 中央高校基本科研业务费专项资金 11 CX04054A；资助 第一作者简介：王风华（1979—I，山东泰安人，讲师，瞎士，研究方法C23] o从融合层次的角度分析目前的方法，多种 生物特征在融合时，匹配级和决策级是选择较多的 层次。决策级融合在逻辑上比较简单，但对系统性 能的提高能力有限。匹配级融合的对象是特征匹 配后的分数（Matching Score），这种方式是应用最普 遍的一种，但匹配级的融合同样没冇充分利用不同 模态生物特征所蕴含的类别信息。相比兀配级和 决策级，特征级能够最人程度的利用不同模态特征 的区分性，同时消除原始样本的冗余性，在理论上 可以达到最佳的识别效果⑷，因此本文没有选择匹 配级或决策级，而是从特征级融合入手，提出了一 种基于虹膜和掌纹的多模态生物特征识别方法。 1多模态生物识别系统框架 虹膜识别和拿纹识别是广受关注的两种生物 特征识别技术，二者都具备非侵犯性、易于接受等 特点，此外在识别原理和识别过程上也具有许多相 似性。因此，基于两者结合的多模态生物识别系统 具有良好的可操作性和广阔的应用前景。 虹膜识别和掌纹识别主要包括图像采集.图俊 预处理、特征提取、匹配和决策等几个过程。当多 牛?物特征的融合时，由于兀配级与决策级不能最大 选择了特征级，在特征级对虹膜特征和掌纹特征进 行融合，并对融合后的多模态特征进行决策识别， 具体框架结构如图1所示。 ⑻内外边绿定位石图像 化后图像 (b)眼险定位后图像 (d)对比度增强石图像 图2虹膜图像预处理 特征提取 特征提取 羣纹待征 _? 特征融合V_1 图像険处理 模式匹配 决策 模板 数据库 Gabor滤波器，通过提取多方向和多尺度虹膜滤波 图像的绝对平均偏差来描述虹膜纹理特征，具体实 现如下。 首先将经过预处理后的虹膜图像分为8个大小 均匀的子块，每个图像子块的大小为64 X 64像素。 对于每个子块图像利用构建的Log-Gabor滤波器 组提取相应的虹膜纹理特征。我们共构造了 4个 同类匹配/接受 异类匹配/長潍 图1结构框架图 从图1所示的结构框架可见，利用多模生物特 征进行身份识別时，首先从待识別人采集虹膜和学 纹图像，并分别进行特征提取，然后对两种特征进 行融合，融合后特征与对应模板库进行匹配，最后 根据兀配结果进行最终的决策(判为同类匹配则搖 收，判为异类兀配则拒绝)。下面分别对采用的谚 别算法和融合策略进行介绍。 2识别算法介绍 2.1虹膜识别算法 虹膜识别冃前己提岀了许多有效的识别算法， 其中广泛采用的是利用2D Gabor滤波器提取虹膜 纹理特征同o近来的研究发现Log-Gabor滤波器在 提取虹膜纹理特征时表现出更好的性能。因此，本 文采用的是基于2D Log-Gabor滤波的识别算法，具 体过程如下。 虹膜识别首先需要对虹膜图像进行预处理，包 括内外边缘及眼脸的定位、归一化