论文部分内容阅读
现代社会中,信息与网络技术高速发展,信息安全显示出前所未有的重要性。基于人们的生理或行为特征的身份识别技术以其方便、安全、可靠等优点逐渐替代钥匙、密码、智能卡等传统身份识别技术。然而,现有的自动身份识别大多数为单模态特征识别,往往由于传感器的噪声以及特征提取和匹配的缺陷而使得误识率过高,或由于特征易丢失、易被伪造而存在安全性方面的问题。基于多个模式源信息融合的多模态身份识别系统,以其极高的安全性与可靠性被研究者认为是未来身份识别的发展方向。由于指纹识别应用的广泛性,及静脉特征的高度安全性,结合指纹与指静脉的多模态融合身份识别,已凸显出其较强的研究价值。本文从指纹识别子系统、指静脉识别子系统入手,从图像处理、特征提取和匹配算法几个方面进行研究,找出两种模态的优势匹配特征,进而设计融合识别算法,构建融合身份识别系统。本文创新之处如下:①提出了基于动态加权的特征层融合识别方法。根据近邻消除和特殊区域保留原则对两模式源的特征矢量进行降维;从待识别特征角度对特征点集的相对质量进行评价,进而引入动态加权策略,削弱低质量及伪特征对识别结果的影响,实现了特征层特征自适应优化融合。实验表明,该方法识别性能较单模态识别有较大提高;提出的兴趣特征评价方法能准确地对特征点集进行优和差的分类。②提出了基于序列分类器的匹配层融合识别方法。该方法采用两模态的细节点特征及串联特征共同作为分类判据,采用序列分类器1、2互为判据的匹配策略。实验表明,该方法取得了1.61%的识别等错误率(EER),极大地提高了系统的可靠性,而且在较直接求和(Sum)融合算法性能有较大提高的情况下,降低了44.83%的时间消耗。证明了本文算法的有效性与优越性。③初步构建了基于指纹与指静脉的多模态融合身份识别系统。针对基于序列分类器的融合识别算法,利用GUIDE设计实现了多模态算法平台,进一步验证了算法的有效性并为实际应用打下基础。