决策级融合的掌纹掌静脉多特征生物识别算法提升系统性能

该篇论文《基于决策级融合的掌纹掌静脉多特征融合匹配算法研究》由张青和孙冬梅合作完成，发表在中国科技论文在线上。论文针对单一生物特征识别系统中存在的固有局限性，如识别精度、鲁棒性和可靠性问题，提出了一种创新的融合方法。主要关注的是掌纹和掌静脉这两种生物特征的结合，以提高系统的性能。 首先，研究者对掌纹和掌静脉这两种生物特征进行了初级分类器的设计。他们可能采用了多种先进的图像处理技术，如特征提取、预处理和局部特征描述，来分别从掌纹和掌静脉图像中获取关键信息。然后，通过采用多种匹配算法（可能是模板匹配、局部特征匹配或深度学习方法），对这两种模态的特征进行决策级融合，以综合评估和增强其识别能力。 接下来，从每个模态提取的特征点集被串联起来，形成新的、更丰富的特征表示，这构成了二级分类器。这个阶段进一步增强了特征之间的关联性，以便于提高识别的准确性和抗干扰性。再次应用类似的方法对二级特征进行决策融合，最终得到系统的综合识别结果。 实验部分展示了该算法在实际应用中的效果，结果显示，通过这种基于决策级融合的多特征融合策略，系统的通过率得到了显著提升，而误识率得到有效降低。这表明该方法在生物特征识别领域的实用性，特别是在提高用户友好度和安全性方面具有潜在优势。 论文的关键点在于决策级融合的概念，它不仅结合了不同生物特征的优势，还在不同层次（初级分类器和二级分类器）上实现了特征融合，从而增强整个识别系统的鲁棒性和可靠性。此外，由于涉及到北京市自然科学基金的支持，这项研究可能得到了一定的资金和技术支持，使得作者能够深入探索和实现这一新颖的融合技术。 这篇论文对于生物特征识别领域特别是掌纹和掌静脉识别技术的研究具有重要意义，为未来跨模态生物识别系统的优化提供了新的思路和方法。