多生物特征融合与识别的关键技术研究

论文摘要

在信息化高度发展的当今社会,如何准确识别一个人的身份,保护信息安全是当今信息时代必须解决的一个关键社会问题。基于生物特征的身份识别技术以其方便、快捷、安全、可靠等优点成为未来替代钥匙、密码、智能卡等传统身份识别技术的最好选择。已有的生物特征身份识别技术都是基于单项生物特征的,这种单模态身份识别技术由于其自身的局限性使得这项技术实际应用起来困难重重。基于多生物特征特征融合的身份识别系统充分利用了单生物特征信息,提供了解决方案。本文介绍了融合的定义、分类、及融合方法;研究了图像对角变换,探讨了二维离散余弦变换（Two-Dimensional Discrete Cosine Transform,2DDCT）的特征压缩,在此基础上（1）针对人脸与虹膜识别,构建了人脸与虹膜特征融合的一般模型;（2）结合人脸与虹膜识别,利用二维主元分析（Two-Dimensional PrincipalComponent Analysis,2DPCA）分别从纵横双向进行特征提取,利用最小距离分类器进行识别;（3）结合人脸与虹膜识别,利用核Fisher判别分析（Kernel Fisher discriminantanalysis,KFDA）将人脸与虹膜特征进行融合;最后利用最小距离分类器完成识别;（4）针对人脸识别,提出了基于DCT和2DPCA相结合的人脸识别方法。该算法首先将人脸图像转换成对角图像,同时利用DCT压缩并重建人脸图像;然后通过2DPCA进行特征提取得到人脸识别特征;最后运用最近邻分类器进行识别。基于虹膜与人脸数据库的实验结果表明,以上方法降低了维数,有效地利用了分类特征信息,提高了身份识别的正确识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 生物特征识别概述
• 1.2 生物识别技术
• 1.2.1 人体生物特征及其分类
• 1.2.2 生物特征识别系统的结构
• 1.3 多生物特征的融合与识别
• 1.4 本文的研究内容与安排
• 1.4.1 课题来源和研究意义
• 1.4.2 本文内容安排
• 第二章 生物特征融合与识别方法
• 2.1 引言
• 2.2 图像融合的定义及分类
• 2.3 图像融合方法
• 2.4 人脸识别
• 2.5 虹膜识别
• 2.6 人脸与虹膜特征融合的一般模型
• 2.7 本章小结
• 第三章 人脸与虹膜特征融合的识别
• 3.1 引言
• 3.2 人脸与虹膜特征融合的识别模型
• 3.2.1 图像对角变换
• 3.2.2 2DDCT变换
• 3.2.3 特征标准化与特征组合
• 3.2.4 二维主元分析
• 3.2.5 基于纵横双向的2DPCA算法
• 3.3 实验结果与分析
• 3.3.1 实验对象
• 3.3.2 实验结果
• 3.3.3 结果分析
• 3.4 本章小结
• 第四章 基于2DDCT与KFDA的人脸与虹膜特征融合
• 4.1 引言
• 4.2 算法模型
• 4.2.1 核Fisher线性判别分析
• 4.2.2 特征融合
• 4.3 实验结果与分析
• 4.4 本章小结
• 第五章 基于对角DCT与2DPCA算法的人脸识别
• 5.1 引言
• 5.2 人脸识别模型
• 5.3 实验结果与分析
• 5.3.1 实验对象
• 5.3.2 实验结果分析
• 5.4 本章小结
• 结束语
• 参考文献
• 读硕士期间取得的研究成果
• 致谢