多模式人脸识别:结合可见光与红外图像的融合技术

需积分: 9 3 下载量 48 浏览量 更新于2024-09-13 收藏 287KB PDF 举报
"采用图像融合技术的多模式人脸识别" 本文探讨了一种采用图像融合技术的多模式人脸识别方法,旨在结合可见光图像和红外热图像的优势,提高人脸识别的准确性。作者包括刘瑾、徐可欣、陈小红、吴萍和赵学玲,他们来自天津大学精密测试技术及仪器国家重点实验室。 在像素级融合方面,研究人员提出了一种基于小波分解的策略。小波分解是一种信号处理技术,能够将图像分解成不同频域的细节和结构信息。通过这种分解,两种不同类型的图像(可见光和红外)的像素可以有效地整合在一起,形成新的融合图像。这种方法有助于保留原始图像的细节,同时减少噪声,从而改善后续的人脸识别过程。 在特征级融合上,研究者选择了两种识别方法中最具分类效果的前50%特征进行融合。这种方法基于特征选择,只考虑对分类贡献最大的部分特征,减少了冗余信息,提高了识别效率。特征级融合通常涉及到人脸的几何特征、纹理特征或基于深度学习的特征向量,这些特征能够反映人脸的独特性,有助于区分不同的个体。 实验结果显示,经过像素级和特征级融合后,人脸识别的准确率显著提升,特征级融合的效果优于像素级融合。这表明,在多模式人脸识别中,通过组合不同模式的信息,可以更有效地克服光照、表情、遮挡等影响因素,增强人脸识别系统的鲁棒性。 关键词:计算机应用、多模式人脸识别、图像融合、红外热图像、可见光图像、小波变换 中图分类号:TP391 文献标识码:A 文章编号:1003—0158(2007)06—0072—07 这项工作强调了图像融合技术在多模态生物识别系统中的重要性,特别是在人脸识别领域。通过结合多种传感器的数据,可以构建更加稳健和准确的识别系统,这对于安全监控、门禁控制以及其它身份验证应用具有重要意义。未来的研究可能涉及更多模式的融合,如3D图像、深度信息等,以进一步提升人脸识别的性能。