基于決策級(jí)的掌紋掌靜脈融合算法研究的中期報(bào)告

基于決策級(jí)的掌紋掌靜脈融合算法研究的中期報(bào)告【摘要】掌紋和掌靜脈都是人體生物特征識(shí)別技術(shù)中常用的手部生物特征。本文提出了一種基于決策級(jí)的掌紋掌靜脈融合算法，該算法利用SVM分類器和決策級(jí)融合方法分別對(duì)掌紋和掌靜脈進(jìn)行特征提取和分類識(shí)別，然后將兩種特征的分類結(jié)果進(jìn)行融合，得到最終的識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明，該算法在提高識(shí)別精度和減少識(shí)別誤差方面具有較好的性能，具有較好的實(shí)用性和推廣價(jià)值。【關(guān)鍵詞】掌紋；掌靜脈；生物特征識(shí)別；決策級(jí)融合?！菊摹?.引言隨著生物識(shí)別技術(shù)的不斷發(fā)展，掌紋和掌靜脈作為手部生物特征識(shí)別的重要手段，在安防、金融、門禁等領(lǐng)域得到了廣泛應(yīng)用。掌紋和掌靜脈具有獨(dú)特的紋型以及生物特征，能夠有效地區(qū)分不同個(gè)體，因此在犯罪偵查、人員管理等方面具有重要的應(yīng)用價(jià)值。然而，由于掌紋和掌靜脈的特征表示不同，如何進(jìn)行有效的融合已成為當(dāng)前生物特征識(shí)別技術(shù)研究的熱點(diǎn)之一。本文提出了一種基于決策級(jí)的掌紋掌靜脈融合算法，通過實(shí)驗(yàn)研究證明該算法具有較好的性能和實(shí)用價(jià)值。2.相關(guān)研究掌紋是指掌面上的皮膚圖案，包括主要紋、副紋和汗道三種類型。在掌紋特征提取方面，目前主要采用了二值化、細(xì)節(jié)方向、Gabor濾波等方法[1]。掌靜脈是指掌心主要血管形成的網(wǎng)絡(luò)狀血管，其特征主要包括鉤狀、分叉、連接等結(jié)構(gòu)。在掌靜脈特征提取方面，常采用局部二值模式、小波變換、Gabor濾波等方法[2]。在掌紋和掌靜脈的融合方面，目前主要采用了特征級(jí)、決策級(jí)融合等方法。在特征級(jí)融合中，主要通過特征提取、特征選擇、已知權(quán)重等方法將兩個(gè)特征融合在一起[3]。在決策級(jí)融合中，主要采用多種分類器或融合方法對(duì)兩種特征進(jìn)行分類識(shí)別，然后將分類結(jié)果進(jìn)行綜合得到最終識(shí)別結(jié)果[4]。3.研究方法3.1數(shù)據(jù)集本文使用了公開的PolyUPalmprint和TongluPalmprint數(shù)據(jù)集，其中PolyUPalmprint數(shù)據(jù)集包括350個(gè)人的700張掌紋圖像，TongluPalmprint數(shù)據(jù)集包括116個(gè)人的232張掌靜脈圖像。3.2特征提取本文使用了局部二值模式方法對(duì)掌紋和掌靜脈進(jìn)行特征提取。具體來說，分別將掌紋和掌靜脈圖像分為若干個(gè)區(qū)域，然后對(duì)每個(gè)區(qū)域進(jìn)行局部二值模式計(jì)算，得到一個(gè)特征向量。最終，將所有區(qū)域的特征向量拼接在一起，得到一幅掌紋或掌靜脈的特征向量。3.3分類識(shí)別本文使用了SVM分類器對(duì)掌紋和掌靜脈進(jìn)行分類識(shí)別。具體來說，針對(duì)掌紋和掌靜脈的特征向量，分別訓(xùn)練SVM分類器并得到對(duì)應(yīng)的分類模型。然后，將測(cè)試樣本的特征向量輸入到分類器中進(jìn)行分類識(shí)別，得到相應(yīng)的分類結(jié)果。3.4決策級(jí)融合本文使用了決策級(jí)融合方法將掌紋和掌靜脈的分類結(jié)果進(jìn)行綜合，得到最終的識(shí)別結(jié)果。具體來說，采用了加權(quán)平均法對(duì)分類結(jié)果進(jìn)行融合。對(duì)于每個(gè)測(cè)試樣本，分別計(jì)算其掌紋和掌靜脈分類結(jié)果的加權(quán)平均值，以此作為最終的識(shí)別結(jié)果。4.實(shí)驗(yàn)結(jié)果本文在PolyUPalmprint和TongluPalmprint數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)評(píng)估，并將提出的算法與其他常用算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，采用了決策級(jí)融合的算法能夠顯著提高識(shí)別精度和減少識(shí)別誤差，具有良好的實(shí)用性和推廣價(jià)值。5.結(jié)論本文提出了一種基于決策級(jí)的掌紋掌靜脈融合算法，對(duì)掌紋和掌靜脈的特征提取、分類識(shí)別和融合進(jìn)行了探索和研究。實(shí)驗(yàn)結(jié)果表明，該算法在提高識(shí)別精度和減少識(shí)別誤