泛地铁环境中的掌纹和掌脉融合识别技术

随着对身份识别和身份鉴定的准确性和可靠性要求越来越高，单一的生物特征识别技术已经远远不能满足要求，多模态生物特征识别技术应运而生，提出了解决问题的某种途径和方法，国内外研究人员对多模态生物特征识别技术的研究和应用逐渐兴起和深入。每一种生物特征识别方式都有它特定的优缺点和应用领域以及应用条件，迄今为止，还没有任何一个单一的生物特征识别系统能够做到在任何情况和应用条件下保持足够的精确度和可靠性，多模态生物特征识别技术的出现从某种程度来说可以做到取长补短，提高整个生物特征识别系统的准确性和可靠性，并增加伪造人体生物特征的难度与复杂性，提高系统的安全性。

多模态生物特征融合是协同利用多种生物特征信息，以获得对同一事物或目标的更客观、更本质认识的信息综合处理技术。基于多模态或多种生物特征融合技术正在形成一种新的发展趋势，现在已经出现了多种多模态生物特征识别技术解决方案。例如，美国SecuriMetrics公司设计了一种融合了指纹识别、人脸识别和虹膜识别的便携式生物特征识别系统——HIIDE，并将其应用于伊拉克战争和阿富汗战争，实际应用效果表明这种多模态融合身份识别系统具有更高的安全性。目前，该系统已被美国军方采用，被应用于在美军位于全球的军方机构和军事基地。多模态生物特征融合可以分为3层，即像素层融合、特征层融合和决策层融合。本章主要研究掌纹掌脉图像在像素层的融合。传统的图像像素层融合通常是将可见光和近红外光下得到的灰度图像融合生成另一种灰度图像。由于观测者（动物或者人类）可能是信息处理链上的最后一环，因此很自然会对生物视觉神经系统的性质产生研究兴趣，并且希望在生理物理学、心理物理学研究的基础上，指导图像处理和机器视觉研究的开展。

香港理工大学张大鹏教授于2009年对所设计的在线多光谱掌纹识别系统进行介绍，在可见光与近红外光源下采集手掌图像，即为掌纹图像与掌脉图像融合识别系统，主要融合方式为决策层的融合机制。他们于2011年又研究了掌纹掌脉数据融合和活体检验，对掌纹和掌脉分别进行CompeteCode特征提取后，在决策层进行各自打分而实现融合。

1981年E.A.Newman和P.H.Hartline通过特征交叉（cross-modality interactions）方法揭示了响尾蛇的生理机理，能够同时接收来自可见光和红外图像的信息输入，并且红外图像能够自动同可见光图像配准。响尾蛇双模式细胞的协同作用使得可见光图像和红外图像共同构成了二者之间的与、或、抑制、增强等6种协同关系。借鉴于响尾蛇视顶盖双模式机理，利用经典感受野的ON-OFF对抗融合模型，本章选取了两种模式实现了掌纹掌脉的图像融合，即得到了掌纹增强掌脉图像和掌脉增强掌纹图像。(www.xing528.com)

本章首先讲述了应用感受野和响尾蛇双模式机理的掌纹掌脉融合技术，然后对所设计的掌纹掌脉融合采集仪进行简要介绍，并通过该采集仪采集若干相同位置相同时刻的掌纹掌脉图像对，建立了小型掌纹掌脉数据库。在小型掌纹掌脉数据库上对本章所提出的图像融合方法进行性能评价，具体而言是从信息论的熵值和互信息量角度将所提出的图像融合方法与小波融合方法进行比对，与特征层融合和决策层融合进行识别率的比较。

根据实际需要，建立了一个较大规模的指纹、人脸、虹膜、掌纹和掌脉多模态生物特征数据库，期望数据库规模越来越大，样本多样性越来越好，为国内外同行提供一定的共享资源。