51、多模态生物识别与伪随机比特生成技术解析

多模态生物识别与伪随机比特生成技术解析

多模态生物识别系统：基于UDTCWT的创新方案

在处理多模态图像时，未抽取双树复小波变换（Undecimated Dual-Tree Complex Wavelet Transform，UDTCWT）展现出了良好的适用性。它在众多领域都有广泛应用，如模糊图像的纹理特征提取、水印解码、图像去噪、图像融合以及动作识别等。在生物识别领域，也有基于UDTCWT的人脸识别相关研究。

系统设计方法

系统的设计流程如下：
1. 对于小区域，计算基于直方图的特征，以此捕获局部区域内的显著特征，即便存在类内变化，也能获取不变特征。
2. 将这些特征串联起来，形成全局描述符。
3. 对于从不同特征获取的生物特征图像，先提取感兴趣区域，然后对这些图像应用UDTCWT并计算系数矩阵。计算两种类型的系数矩阵：局部UDTCWT相位模式（Local UDTCWT Phase Pattern，LUPP）和全局UDTCWT相位模式（Global UDTCWT Phase Pattern，GUPP）。
4. 基于两种模态的LUPP和GUPP计算特征描述符，并进行分类。

UDTCWT技术原理

离散小波变换（Discrete Wavelet Transform，DWT）自诞生以来，在各种图像处理应用中取得了巨大成功。未抽取DWT（Undecimated DWT，UDWT）由多位研究人员独立提出，它避免了DWT每个阶段的下采样，具有平移不变性。双树复小波变换（Dual-Tree Complex Wavelet Transform，DTCWT）是对DWT的改进，具有平移不变性和更好的方向性，但子带