[論文レビュー] Enhancing the Accuracy of Biometric Feature Extraction Fusion Using Gabor Filter and Mahalanobis Distance Algorithm

Ayodeji S. Makinde, Yaw Nkansah-Gyekye+1 more|arXiv (Cornell University)|Jul 24, 2014

Biometric Identification and Security参考文献 28被引用数 7

ひとこと要約

本稿では、特徴抽出にガボールフィルタを、特徴レベルの統合にマハラノビス距離を用いた、顔と指紋の特徴を統合する二モードバイオメトリクスシステムを提案する。画像の明るさ補正による強化と主成分分析（PCA）による次元削減の後、特徴の識別性を高めることで認識精度を向上させ、ノイズやスプーフィングなどの単一モードシステムの限界を緩和する有効性を示している。

ABSTRACT

Biometric recognition systems have advanced significantly in the last decade and their use in specific applications will increase in the near future. The ability to conduct meaningful comparisons and assessments will be crucial to successful deployment and increasing biometric adoption. The best modality used as unimodal biometric systems are unable to fully address the problem of higher recognition rate. Multimodal biometric systems are able to mitigate some of the limitations encountered in unimodal biometric systems, such as non-universality, distinctiveness, non-acceptability, noisy sensor data, spoof attacks, and performance. More reliable recognition accuracy and performance are achievable as different modalities were being combined together and different algorithms or techniques were being used. The work presented in this paper focuses on a bimodal biometric system using face and fingerprint. An image enhancement technique (histogram equalization) is used to enhance the face and fingerprint images. Salient features of the face and fingerprint were extracted using the Gabor filter technique. A dimensionality reduction technique was carried out on both images extracted features using a principal component analysis technique. A feature level fusion algorithm (Mahalanobis distance technique) is used to combine each unimodal feature together. The performance of the proposed approach is validated and is effective.

研究の動機と目的

• 非普遍性、スプーフィング、ノイズの混入といった単一モードバイオメトリクスシステムの限界を是正すること。
• 顔と指紋といった補完的なバイオメトリクスモダリティを統合することで認識精度を向上させること。
• 特徴の共分散を考慮する特徴レベル統合戦略を開発し、システムの信頼性と性能を向上させること。
• バイオメトリクスデータを用いた実験的評価により、提案された統合フレームワークの有効性を検証すること。

提案手法

• 顔および指紋入力の画像品質を向上させるためにヒストグラム等化を適用する。
• テクスチャおよび周波数情報を捉えることができるガボールフィルタ技術を用いて、両モダリティから顕著な特徴を抽出する。
• 冗長性を排除し計算効率を向上させるために、主成分分析（PCA）を用いて特徴の次元を削減する。
• 特徴の共分散を考慮し識別性を向上させるマハラノビス距離アルゴリズムを用いて、両モダリティの低次元化された特徴ベクトルを統合する。
• テストとテンプレート特徴間の類似度スコアをマハラノビス距離で計算し、頑健な分類を可能にする。
• 性能指標を用いてデータセット上でシステムを検証し、単一モード手法に比べて認識精度が向上することを示す。

実験結果

リサーチクエスチョン

• RQ1 顔と指紋バイオメトリクスの特徴レベル統合は、単一モードシステムに比べて認識精度を向上させることができるか？
• RQ2 ガボールフィルタとマハラノビス距離の組み合わせは、バイオメトリクス特徴表現の質を向上させるのにどの程度効果的か？
• RQ3 画像前処理（ヒストグラム等化）および次元削減（PCA）は、システム性能をどの程度向上させるか？
• RQ4 提案された統合戦略は、バイオメトリクスシステムにおけるノイズおよびスプーフィング攻撃の影響を効果的に低減できるか？
• RQ5 認識率および頑健性の観点から、提案手法の相対的性能はいかがなものか？

主な発見

• 提案された二モードシステムは、単独の顔または指紋システムに比べて顕著に認識精度が向上した。
• マハラノビス距離を用いた特徴レベル統合は、単純な連結や他の統合戦略に比べ、特徴の共分散を考慮するため優れた性能を示した。
• ヒストグラム等化による画像強化は、明確なテクスチャ表現をもたらし、特徴抽出の品質を向上させた。
• PCAは、識別的情報を保持しつつ特徴の次元を効果的に削減し、計算効率を向上させた。
• ガボールフィルタとマハラノビス距離の統合により、頑健で信頼性の高いバイオメトリクス認識フレームワークが実現された。
• マルチモーダルな冗長性のおかげで、ノイズの多いセンサデータやスプーフィング攻撃に対するシステムの耐性が向上した。