73、用于掌纹模板保护的二进制Gabor统计特征

用于掌纹模板保护的二进制Gabor统计特征

一、引言

典型的生物识别系统存在一些安全和隐私问题，如身份欺诈、可更新性有限、交叉匹配以及敏感个人信息泄露等。生物特征模板保护系统作为应对这些威胁的措施，要求先将生物特征数据量化为固定长度的二进制字符串作为模板。

对于典型的（未受保护的）掌纹验证系统，已有许多特征表示方法能实现较高的验证准确率，其中一些基于编码的方法可生成二进制特征。然而，大多数方法在匹配阶段需要进行模板注册，这在模板保护系统中可能不被允许。此外，目前报道的大多数二进制表示在真正匹配时的误码率高达40%，噪声过大，现有纠错编码方案难以纠正。

本文提出了一种从掌纹图像中提取二进制特征的方法，旨在实现稳健的生物特征通道，即匹配通道的低误码率（BER）和低验证错误率（通过误拒率FRR、误受率FAR和等错误率EER表示）。这种稳健的二进制表示为结合典型的生物特征验证和模板保护提供了解决方案。同时，固定长度的二进制表示还具有模板存储小和匹配速度快等优点。由于Gabor滤波响应的过完备信息有助于提高判别能力，本文方法首先使用一组二维Gabor函数对掌纹图像进行滤波。

以下是提出的二进制特征提取方法的流程图：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px

    A([掌纹]):::startend --> B(二维Gabor滤波):::proce