基于匹配层人脸和虹膜模糊融合系统的研究

论文摘要

随着信息技术飞跃发展,作为信息安全的重要手段之一,身份认证技术得到举世瞩目。但是传统的身份认证技术的局限性和所受使用条件的限制,往往难于应用于实际需求的场合。目前多种生物特征识别新技术被提出,逐步由单模态生物特征识别技术向多模态生物特征识别技术发展。多模态生物特征识别系统的优势在于能够充分利用各个生物特征提供的信息相互融合,弥补了单模态生物识别系统的缺陷,从而进一步提高了生物识别系统的识别率和鲁棒性。基于以上背景,本文研究了如何将人脸与虹膜的特征相互融合,采用匹配层模糊融合的方法,基于模糊推理和模糊聚类的思路,对于特征提取算法所提取的特征实现了匹配层的人脸与虹膜模糊融合识别系统,本文主要工作如下：1.深入地研究了多模态生物特征融合的方法,对于目前的一些著名的人脸与虹膜识别系统做了分析和研究,比较了各自的实验结果,选出了四个影响图像质量的因素,之后将他们设定为G.I.值（图像可信度值Goodness Index）的模糊参数。2.提出了基于改进的V. Conti的人脸和虹膜匹配层模糊融合系统,对V.Conti系统进行了分析,在确定了系统基本架构后,设计了模糊参数,将原本只适用于单模态指纹识别的模糊系统,实现了对人脸与虹膜融合识别,通过实验验证了本文提出和实现的多模态模糊识别系统的的可行性和有效性。3.由于用模糊系统做匹配层融合的实例不多,在设计模糊融合系统的模糊参数的上下临界值时,许多的规则判断与经验都必须通过实验或经验来设定,通过实验结果微调以及修改模糊规则中自然语言的上下临界值（parameters of HIGH or LOW image quality）,使其在经过反模糊之后能显示出正确的输出。4.提出了基于G.I.值的匹配层模糊融合识别系统,通过扎德以及Wu-Mendel的方法将模糊参数进行融合,经过实验验证在最坏的情况之下,本文的识别率能比单模态的识别系统要高。

论文目录

• 提要
• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.1.1 单模态生物特征识别技术
• 1.1.2 多模态生物特征识别技术
• 1.2 研究现状及发展趋势
• 1.2.1 虹膜识别系统
• 1.2.2 人脸识别系统
• 1.2.3 模糊理论
• 1.3 本文的主要工作和内容安排
• 第2章 基于匹配层的模糊融合识别系统框架
• 2.1 人脸特征提取方法
• 2.1.1 基于二维多贝西离散小波变换的人脸特征提取方法
• 2.1.2 基于直接线性判别分析方法的特征提取方法
• 2.2 虹膜特征提取方法
• 2.2.1 基于DAUGMAN方法的虹膜图像提取方法
• 2.2.2 基于二维HAAR小波变换的虹膜特征提取方法
• 2.3 扎德模糊系统
• 2.3.1 扎德TYPE-1模糊组
• 2.3.2 扎德TYPE-2模糊组
• 2.4 V.CONTI单模态指纹识别模糊融合系统与G.I.值
• 2.5 本章小结
• 第3章 基于扎德模糊组的V.CONTI多模态G.I.值的参数设计
• 3.1 基本思想
• 3.2 V.CONTI多模态G.I.值的参数设计
• 3.2.1 基于ZADEH TYPE-1模糊组的G.I.值的参数设计
• 3.2.2 基于ZADEH TYPE-2模糊组的G.I.值的参数设计
• 3.3 基于WU-MENDEL算法的反模糊器
• 3.4 实验结果与参数的调整
• 3.4.1 实验结果分析
• 3.4.2 参数的调整
• 3.5 小结
• 第4章 基于V.CONTI多模态G.I.值的人脸和虹膜匹配层模糊融合识别系统
• 4.1 匹配层模糊融合系统的模糊参数融合
• 4.1.1 基于WU-MENDEL反模糊算法的扎德模组的融合
• 4.1.2 基于扎德模糊理论的虹膜G.I.值的参数融合
• 4.2 匹配层的多模态模糊融合系统的实现框架
• 4.3 基于G.I.值的人脸和虹膜的匹配层模糊融合识别系统
• 4.4 实验结果与分析
• 4.4.1 实验对象
• 4.4.2 实验结果分析
• 4.5 小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 作者简介
• 致谢