多模式人脸识别：结合可见光与红外图像的融合技术

"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。