基于视觉特性的多模生物特征融合识别方法研究

本项目研究基于视觉特性的多模生物特征融合识别方法。主要是：采用符合视觉特性的新一代数学变换- - 非下采样Contourlet变换进行采集层多模融合识别方法研究，可获得较现有方法更优的识别效果；结合二代曲波变换和2D-Log Gabor相位编码法，采用视觉特性融合算子研究特征层多模融合识别方法，较之单模特征具有更好的识别效果；结合具有视觉特性的非线性稀疏编码模型和贝叶斯信念网，对多模生物特征识别融合策略进行研究，识别性能与传统融合策略相比有较大程度提高。通过本项目的研究可使得相关理论研究与实际应用相结合，尤其对重大项目的建设例如电子商务，社会安全领域等产生较大社会效益和经济效益。作为生物特征识别的重要发展方向，该项研究将提出新的融合识别算法，解决多模生物特征识别领域中的热点问题和难点问题，具有重要理论意义与工程应用价值。

本项目研究基于视觉特性的多模生物特征融合识别方法。主要是：采用符合视觉特性的新一代数学变换- - 非下采样Contourlet变换进行采集层多模融合识别方法研究，可获得较现有方法更优的识别效果；结合二代曲波变换和2D-Log Gabor相位编码法，采用视觉特性融合算子研究特征层多模融合识别方法，较之单模特征具有更好的识别效果；结合具有视觉特性的非线性稀疏编码模型和贝叶斯信念网，对多模生物特征识别融合策略进行研究，识别性能与传统融合策略相比有较大程度提高。通过本项目的研究可使得相关理论研究与实际应用相结合，尤其对重大项目的建设例如电子商务，社会安全领域等产生较大社会效益和经济效益。作为生物特征识别的重要发展方向，该项研究将提出新的融合识别算法，解决多模生物特征识别领域中的热点问题和难点问题，具有重要理论意义与工程应用价值。