机构名称：
¥ 1.0
摘要 — 本文探讨了在特征提取之前在规范化/分割级别进行融合的潜力。虽然在数据/特征级别、分数级别和等级/决策级别有几种生物特征融合方法，结合了原始生物特征信号、分数或等级/决策，但这种类型的融合仍处于起步阶段。然而，对更宽松、侵入性更小的记录条件的需求日益增加，尤其是对于移动虹膜识别，这表明需要进一步研究这种非常低级别的融合。本文重点介绍虹膜生物特征系统的多分割融合方法，研究结合多种规范化算法的分割结果的好处，在公共 CASIA 和 IITD 虹膜数据集上使用两种不同的公共虹膜工具包 (USIT、OSIRIS) 中的四种方法。基于识别准确度和地面实况分割数据的评估表明，分割算法所犯的错误类型具有很高的敏感性。
虹膜识别的分割级融合 - FastPass
主要关键词
相关文件推荐
