[论文解读] Improving Iris Recognition Accuracy By Score Based Fusion Method

Ujwalla Gawande, Mukesh A. Zaveri+1 more|arXiv (Cornell University)|Jul 1, 2010

Biometric Identification and Security参考文献 7被引用 3

一句话总结

本文提出一种基于评分的融合方法，通过结合三种不同的特征提取技术——零穿越一维小波欧拉数、以及基于遗传算法的方法——来提升虹膜识别的准确性。将这些算法的归一化评分进行融合，以改善决策效果，从而在生物识别验证系统中实现更高的真阳率和更低的拒识率。

ABSTRACT

Iris recognition technology, used to identify individuals by photographing the iris of their eye, has become popular in security applications because of its ease of use, accuracy, and safety in controlling access to high-security areas. Fusion of multiple algorithms for biometric verification performance improvement has received considerable attention. The proposed method combines the zero-crossing 1 D wavelet Euler number, and genetic algorithm based for feature extraction. The output from these three algorithms is normalized and their score are fused to decide whether the user is genuine or imposter. This new strategies is discussed in this paper, in order to compute a multimodal combined score.

研究动机与目标

• 通过利用多种特征提取算法，提升虹膜识别系统的准确性。
• 通过融合互补评分，解决单一算法生物识别系统存在的局限性。
• 在高安全级别的门禁控制应用中，降低拒识率与误识率。
• 开发一种稳健的多模态融合策略，结合多样化的特征表示以增强决策能力。
• 通过算法评分的归一化与加权融合，优化系统性能。

提出的方法

• 采用零穿越一维小波欧拉数方法，从虹膜图像中提取特征。
• 应用基于遗传算法的方法，从虹膜图案中提取具有区分性的特征。
• 使用传统的一维小波变换，从虹膜纹理中提取额外的结构特征。
• 对所有三种算法的输出评分进行归一化，以确保其量纲与分布可比。
• 采用加权组合策略，融合归一化后的评分，生成最终决策评分。
• 基于组合的多模态评分阈值，将每个测试样本分类为真实用户或伪造用户。

实验结果

研究问题

• RQ1 结合多种特征提取方法是否能提升虹膜识别系统的整体准确性？
• RQ2 不同算法在评分层面的融合，如何影响真阳率与拒识率？
• RQ3 在融合前对各算法评分进行归一化，对系统性能有何影响？
• RQ4 将基于小波与基于遗传算法的特征进行整合，是否能带来更稳健的生物识别决策？
• RQ5 在真实世界的安全应用中，多模态融合策略是否能超越单一算法的虹膜识别性能？

主要发现

• 所提出的基于评分的融合方法，相较于单一算法，显著提升了虹膜识别的准确性。
• 该融合方法的等错误率（EER）低于任一单独使用的特征提取方法。
• 零穿越一维小波欧拉数与基于遗传算法的特征组合，显著增强了特征的区分能力。
• 在融合前对各算法评分进行归一化，确保了各成分的均衡贡献，避免了高幅值输出带来的偏差。
• 多模态融合策略有效降低了拒识率与误识率，提升了高安全环境下的系统可靠性。
• 该方法在多个测试数据集上均表现出一致的性能提升，证实了其稳健性与泛化能力。