生物特征识别技术研究论文提纲

论文题目：多模态生物特征识别技术的算法研究

摘要：近年来,生物特征识别技术得到了飞速发展,然而传统的单一模态的身份识别技术存在着一定的局限性,导致了该技术在实际应用中会出现一些不必要的麻烦。伴随数据融合技术的日渐成熟,多模态生物特征识别这一利用多种生物特征进行数据融合识别的身份识别技术获得了很大的技术支持,也促使该技术能够更快的进入我们日常生活中。本文通过对常见的单模态生物特征、传统的多模态生物特征的融合策略等方面的研究,最终采用指纹和虹膜两种单模态生物特征,在多模态生物特征识别中的特征层这一层次进行了融合识别的实验。主要工作总结如下:1.深入了解并研究多模态生物特征识别在各个层次进行数据融合的相关方法,包括串并联和基于典型相关分析（CCA）等在特征层融合、基于最小二乘法和Fisher判别等在分数层融合、加权法和多数投票法等在决策层融合。2.在深入研究多模态生物特征融合识别的基础上,提出基于指纹和虹膜的特征层融合模型,与现有的特征层融合的策略进行了对比和分析,通过实验论证了多模态融合识别的识别率相比较单模态识别更高一些这一论点,并验证了基于典型相关分析的融合算法在多模态生物特征识别中的有效性。3.针对基于典型相关分析的融合算法的不足,提出一种基于矩阵变换的判别典型相关性分析（MDCCA）的多模态生物特征识别算法,在同一环境下对两种算法进行了实验,实验验证了该算法的有效性。4.在本文提出的新算法的基础上,完成了比较完整的多模态生物特征识别过程。本文研究的算法内容在数据融合和多模态生物特征识别算法的领域都有着一定的参考价值。

关键词：多模态;融合识别;指纹识别;虹膜识别;MDCCA

学科专业：电子与通信工程（专业学位）

摘要

Abstract

第1章 绪论

1.1 课题研究背景及意义

1.1.1 单模态生物识别技术

1.1.2 多模态生物识别技术

1.2 国内外研究现状

1.3 课题研究的核心内容

1.4 论文结构

第2章 多模态生物识别理论

2.1 引言

2.2 多模态生物识别理论介绍

2.2.1 数据融合的原理

2.2.2 融合层次的分类

2.2.3 多模态生物的特征层融合

2.3 虹膜特征提取

2.3.1 虹膜的生物特征表现形式

2.3.2 基于二维Gobar滤波器的局部纹理特征提取算法

2.3.3 基于小波过零点的特征提取算法

2.3.4 基于高斯-拉普拉斯滤波器的特征提取算法

2.4 指纹特征提取

2.4.1 指纹的生物特征表现形式

2.4.2 基于细节点的特征提取算法

2.4.3 基于Fingercode的特征提取算法

2.5 特征层的生物特征融合模型

2.5.1 融合识别的模型

2.5.2 特征层的融合算法

2.6 小结

第3章 基于典型相关分析的特征层融合算法

3.1 引言

3.2 典型相关分析的引入

3.2.1 主成分分析法

3.2.2 主成分的求解

3.3 典型相关分析的基本原理

3.3.1 基本思想

3.3.2 典型相关变量的求解

3.4 基于CCA算法的虹膜和指纹的特征层融合识别

3.4.1 特征提取算法的选择与使用

3.4.2 特征融合算法流程

3.5 实验

3.5.1 实验对象

3.5.2 实验结果与分析

3.6 小结

第4章 基于改进的典型相关分析的特征层融合算法

4.1 引言

4.2 典型相关分析的不足

4.2.1 典型相关分析的不足

4.2.2 针对模式分类的传统改进办法

4.2.3 针对高维小样本问题的传统解决办法

4.3 基于MDCCA算法的虹膜和指纹的特征层融合识别

4.3.1 基本思想

4.3.2 改进的典型相关分析的求解

4.3.3 特征融合算法流程

4.4 实验

4.4.1 实验对象和环境

4.4.2 实验结果与分析

4.5 小结

第5章 结论

5.1 论文主要工作

5.2 展望

致谢

参考文献