基于线性分类器的多模态生物特征识别技术研究

摘要

在科学技术和信息技术快速发展的当今社会，信息安全的重要性越来越突出，这也对身份识别技术提出了更高的要求。以生物特征作为识别身份的技术具有方便、安全和可靠等优点，并且已经得到了广泛的关注和迅速的发展。现有的生物特征识别系统大都是基于单一生物特征来进行身份识别的，这种方式有其自身的局限性和缺陷，比如特殊人群的某些生物特征由于损伤、缺失、病变等致使识别系统效果较差甚至不适用。基于以上原因，基于多种生物特征的识别技术应运而生，它能够利用多种生物特征的互补信息，被认为是未来身份识别技术的发展的新方向。
　　 本文介绍了融合的概念、融合的层次及融合的方法，在对融合层次比较的基础之上选取特征层进行融合。其中主要从人脸识别和掌纹识别两种单模态身份识别方式入手，研究了主成分分析、Fisher线性判别分析等线性子空间方法完成对原始数据的降维和特征的提取，利用最小距离分类器得到分类识别的结果。在完成人脸和掌纹特征的提取的基础之上，对特征进行归一化处理，实现了典型相关分析算法上人脸和掌纹特征的融合，通过对融合以后特征的典型相关变量的求解，进行分类识别。将人脸特征和掌纹特征融合扩展到复数域，将两种生物特征分别作为复数的实部和虚部，并将融合的复数特征分别用于独立成分分析和局部保持投影分析完成对生物特征的分类识别的任务。并将得到的识别结果与实数域和单模态得到的识别结果进行对比，验证本文算法的有效性。基于人脸和掌纹数据库的仿真试验结果表明，在对人脸和掌纹特征的提取之上对两种特征进行融合能够充分利用生物特征的分类信息，提高了身份识别的可靠性。

目录

摘要

第1章 绪论

1．1 研究背景及意义

1．2 研究现状及发展

1．2．1 单模态生物特征识别技术概述

1．2．2 典型的单模态生物特征识别技术

1．2．3 多模态生物特征融合识别技术

1．2．4 融合特征与融合层次

1．3 研究内容与论文结构

第2章 基于子空间的特征提取算法

2．1 人脸和掌纹识别系统

2．1．1 人脸识别系统

2．1．2 掌纹识别系统

2．1．3 衡量生物特征识别系统性能的指标

2．2 图像预处理

2．2．1 中值滤波

2．2．2 直方图均衡化

2．3 人脸和掌纹特征提取的线性子空间算法

2．3．1 主成分分析

2．3．2 线性判别分析

2．3．3 特征分类算法

2．4 本章小结

第3章 基于典型相关分析的人脸和掌纹特征融合算法

3．1 典型相关分析概述

3．1．1 基本思想

3．1．2 典型相关变量的求解

3．2 人脸和掌纹的特征层融合

3．2．1 特征归一化

3．2．2 特征融合

3．3 图像库介绍

3．4 实验结果与分析

3．4．1 典型相关分析融合主成分分析提取特征

3．4．2 典型相关分析融合线性判别分析提取特征

3．5 本章小结

第4章 基于复数的人脸和掌纹特征融合

4．1 复数域融合算法概述

4．2 复数域独立成分分析

4．2．1 独立成分分析的原理

4．2．2 样本矩阵中心化

4．2．3 样本数据白化

4．2．4 计算独立成分

4．2．5 实验结果与分析

4．3 负数域局部保持投影

4．3．1 局部保持投影的基本原理

4．3．2 局部保持投影算法

4．3．3 实验结果与分析

4．4 本章小结

结论

参考文献

致谢

攻读硕士期间发表的学术论文

声明