[论文解读] 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 7

一句话总结

本文提出一种双模态生物识别系统，通过Gabor滤波器提取特征，并采用马氏距离进行特征级融合，结合人脸与指纹特征。在通过直方图均衡化进行图像增强及主成分分析（PCA）降维后，该方法通过整合具有判别性的特征，显著提升了识别准确率，有效缓解了单模态系统在噪声和伪造攻击方面的局限性。

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.

研究动机与目标

• 解决单模态生物识别系统存在的局限性，如非普遍性、伪造攻击及噪声数据问题。
• 通过融合互补的生物识别模态（人脸与指纹）提升识别准确率。
• 设计一种鲁棒的特征级融合策略，以增强系统可靠性与性能。
• 通过在生物识别数据集上的实证评估，验证所提融合框架的有效性。

提出的方法

• 对人脸与指纹输入图像应用直方图均衡化，以提升图像质量。
• 利用Gabor滤波器技术从两种模态中提取显著特征，以捕捉纹理与频率信息。
• 采用主成分分析（PCA）降低特征维度，消除冗余并提升计算效率。
• 使用马氏距离算法融合来自两种模态的降维特征向量，该方法考虑了特征协方差，提升了判别能力。
• 利用马氏距离计算测试特征与模板特征之间的相似度得分，实现鲁棒分类。
• 通过性能指标在数据集上验证系统，结果表明其识别准确率优于单模态方法。

实验结果

研究问题

• RQ1 与单模态系统相比，人脸与指纹生物识别的特征级融合是否能提升识别准确率？
• RQ2 Gabor滤波与马氏距离的结合在增强生物特征表示方面效果如何？
• RQ3 图像预处理（直方图均衡化）与降维（PCA）在多大程度上提升了系统性能？
• RQ4 所提出的融合策略是否能有效降低噪声与伪造攻击对生物识别系统的影响？
• RQ5 在识别率与鲁棒性方面，所提方法的相对性能如何？

主要发现

• 所提出的双模态系统在识别准确率方面显著优于单独使用人脸或指纹的单模态系统。
• 采用马氏距离的特征级融合优于简单拼接或其他融合策略，因其考虑了特征协方差。
• 通过直方图均衡化进行图像增强，可获得更清晰的纹理表征，从而提升特征提取质量。
• PCA在保留判别性信息的同时有效降低了特征维度，提升了计算效率。
• Gabor滤波与马氏距离的结合构建了一个鲁棒且可靠的生物识别识别框架。
• 由于多模态冗余的存在，该系统在面对噪声传感器数据及潜在伪造攻击时表现出更强的抗干扰能力。