本小组成员高雄、杨静等的学术论文《Local feature fusion and SRC-based decision fusion for ear recognition》被国际期刊《Multimedia Systems》接收并发表！

信息安全问题几乎涉及医疗、军事、家庭等各个领域，身份识别是确保信息安全的前提。密码、钥匙、磁卡等传统的身份识别方法容易丢失和遗忘，正逐渐被生物识别技术所取代。人耳识别是近年来兴起的一种生物识别技术。经典的耳识别包括预处理、特征提取和分类三个步骤，识别的框架如下图所示。

本文提出了一种基于多模态识别(层内融合)的人耳识别算法。首先，我们采用基于自适应加权分布伽马校正(AGCWD)的图像增强方法进行预处理操作。然后，通过融合密集尺度不变特征变换(DSIFT)、局部二值模式(LBP)和梯度方向直方图(HoG)来提取特征，并应用两种基于稀疏表示的特征选择方法:即鲁棒稀疏线性判别分析(RSLDA)和基于类间稀疏的判别最小二乘回归(ICS-DLSR)，以提高计算速度。最后，使用基于FDDL的SRC方案(FDDL-based SRC)对两个选择特征分别进行分类，并将两组分类结果在决策级进行融合，得到最终的决策结果，具体结构如下图所示。

原文链接：https://link.springer.com/article/10.1007/s00530-022-00906-w

( 发布日期: 2022-03-03 )