60、基于特征级融合的人脸与掌纹生物识别技术

基于特征级融合的人脸与掌纹生物识别技术

在生物识别领域，人脸和掌纹识别是两种重要的识别方式。为了提高识别的准确性和可靠性，特征级融合的方法应运而生。下面将详细介绍一种基于不变SIFT描述符和同构图表示的人脸与掌纹生物特征级融合方法。

1. 特征提取与表示

1.1 SIFT描述符

SIFT（尺度不变特征变换）描述符是一种强大的特征表示方法，它由一个128维的向量组成，用于展示每个关键点邻域强度的变化。具体操作如下：
- 在每个关键点周围的区域，以选定的尺度测量局部图像梯度。
- 将这些梯度转换为一个包含128个元素的向量，该向量能够表示局部形状畸变和光照变化。

1.2 特征分区与同构图表示

特征表示的好坏直接影响系统的性能。通过将所有SIFT特征点聚类成有限数量的不变点簇，可以有效地表示特征空间。具体步骤如下：
- SIFT关键点分区 ：使用K - 中心点聚类算法的自适应版本——围绕中心点划分（PAM）算法，将人脸和掌纹图像的SIFT关键点进行分区。分区后，每个簇可以通过轮廓技术进行验证。对于每个关键点i，计算其与所在簇cm中所有关键点的平均距离x(i)，以及下一个平均距离x(i + 1)。然后，计算i和(i + 1)与其他单个簇中关键点的平均距离，重复此过程，找到与i和(i + 1)平均距离最小的簇y(i)和y(i + 1)。通过以下公式计算轮廓系数S(i)：
[
S(i)=\frac{\frac{y(i)+y(i + 1)}{2}-\frac{x(i)+x(i + 1)}{2}}{\max\left(\frac{x(i)+x(i + 1)}{2