基于加权融合与分层串行结构的指纹与指静脉图像融合方法技术

本发明专利技术提供了一种基于加权融合与分层串行结构的指纹与指静脉图像融合方法，主要解决单一模态易受系统噪声、特征损坏等因素影响及多模态融合系统耗时较长的问题。首先对设计好的两个指纹分类器及四个指静脉分类器进行训练并获得各个分类器的拒识率；再依据拒识率计算单个分类器集成融合系统时的权值；为了降低算法的运算时间，将参与融合的6个分类器构造成串行的三层分层形式，即通过第1层分类器的样本才能进入第2层分类器，同样通过第2层的样本才能进入第3层。本发明专利技术对指纹及指静脉图像均采用多种特征进行识别，充分利用了图像的数据信息，所设计的分层结构更好的降低了融合系统的时间消耗，为多生物特征识别提供了一种有效的途径。

【技术实现步骤摘要】

本专利技术属于模式识别
，具体涉及指纹图像及手指静脉图像的决策级融合方法。
技术介绍
单模态生物特征的识别存在错误率较高、易受传感器噪声影响、认证不稳定等缺点。而多模态生物特征识别技术是一种集成多种或多个生物特征源提供的证据得分以做出更为准确的决策，能有效地弥补单一生物特征识别方法的缺点。现有多模态生物特征识别方法主要集中在数据级融合，即直接对各个传感器的原始数据进行处理，这种方法不丢失待识别信息，但需处理的信息量较大，耗时较长，不适合实时系统的要求。特征级融合能够为决策提供大量的信息，并且特征级上的信息经过压缩，使得数据能够实时处理。但对于来自不同信息源且特征矢量的大小以及维数不同的情况，特征级融合方法需使用相应的关联算法将其转换为一个新的特征矢量，而关联算法不仅与特征提取方法有关，而且关系到后续的分类器的设计，导致特征级融合方法变得比较复杂决策级融合方法采用多角度观测，综合考虑了目标各个侧面的不同类型的有效信息，当部分信息源得到的信息有误差时，系统仍能通过适当的融合得到正确的结果，具容错性；对传感器的依赖性小，传感器可以是不同质的；通信量小，抗干扰能力强。
技术实现思路
本专本文档来自技高网...

【技术保护点】
基于加权融合与分层串行结构的指纹与指静脉图像融合方法，包括指纹与指静脉图像的决策级融合及其级联分层结构模块，由以下步骤实现：步骤一：对两个指纹分类器及四个指静脉分类器进行训练并获得各个分类器的正确识别率与拒识率；步骤二：再依据分类器的拒识率计算单个分类器构成最终融合系统的权值；步骤三：为了降低算法的运算时间，将参与决策级融合的6个分类器构造成串行的三层分层形式，通过第1层分类器的样本才能进入第2层分类器，然后通过第2层的样本才能进入第3层，得到最终的识别结果。

【技术特征摘要】
1.基于加权融合与分层串行结构的指纹与指静脉图像融合方法，包括指纹与指静脉图像的决策级融合及其级联分层结构模块，由以下步骤实现：步骤一：对两个指纹分类器及四个指静脉分类器进行训练并获得各个分类器的正确识别率与拒识率；步骤二：再依据分类器的拒识率计算单个分类器构成最终融合系统的权值；步骤三：为了降低算法的运算时间，将参与决策级融合的6个分类器构造成串行的三层分层形式，通过第1层分类器的样本才能进入第2层分类器，然后通过第2层的样本才能进入第3层，得到最终的识别结果。2.根据权利要求1的图像融合方法，其特征是：所述的指纹及指静脉分类器分别为：指纹分类器采用细节点匹配方法及主成分分析法(PCA)，静脉分类器采用细节点匹配方法、基于Hausdorff距离的细节点匹配方法、主成分分析法及二维主成分分析法(2DPCA)。3.根据权利要求1所述的图像融合方法，其特征是：所述的单个分类器集成融合分类器的步骤为：1)获得权利要求2中所述的指纹分类器及指静脉分类器的识别结果与拒识率分别为ht(x)与FRRt，其中t＝1,2,3,4,5,6；2)可得本发明的融合分类器为：C(x)=1Σt=1Tlog1-FRRtFRRth...

【专利技术属性】
技术研发人员：马慧，胡娜，任大峰，湛涛，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：黑龙江;23