南昌航空大学|用于跨域掌纹识别中的身份与风格特征解耦网络(IEEE TIFS 2026)

在实际应用中，掌纹识别常常因采集设备、光照条件等非身份因素的干扰而产生域偏移(Domain Shift)问题，导致系统在跨域场景下性能大幅下降。虽然现有的域泛化方法取得了一定成效，但往往无法从根本上将核心的身份特征和引发域偏移的风格变量彻底分离。

图1 ISFDNet框架图

本文提出掌纹图像可以被建模为两个独立的因素：稳定的“身份”因素(生理结构)、与域相关的“风格”因素(光照、设备等)。基于此，提出了身份与风格特征解耦网络(Identity and Style Feature Decoupling Network, ISFDNet)，通过在特征层和图像层的双管齐下，实现显式的特征解耦。

特征层解耦：空间感知分离模块(Spatially-Aware Separation Module, SASM)。该模块会自适应地生成互补的空间注意力掩码，对空间位置进行软性权衡，将提取的混合特征精准解耦为“身份”和“风格”两部分。

图2 空间感知分离模块流程图

图像层增强：低频扰动模块(LFDM, Low-Frequency Disturbance Module)。在傅里叶频域中，LFDM仅对图像的低频幅度进行扰动，同时保持高频结构和相位信息不变。这种方式生成了大量风格化的训练样本，迫使网络学习到对风格变化不敏感的纯净身份表示。

多维协同监督。为了保证解耦的彻底性，框架精心设计了协同监督策略，结合了重建损失、循环一致性、正交约束以及身份对抗训练等多种损失函数，共同引导特征空间的完美分离。

论文信息

相关论文已发表于IEEE Transactions on Information Forensics and Security (TIFS) 2026，作者为南昌航空大学的刘云龙、冷璐(通讯作者)教授、储珺教授，韩国延世大学的ABJ Teoh教授，澳门大学的Bob Zhang副教授，以及四川大学的杨子元。

Y. Liu, L. Leng, J. Chu, A. B. J. Teoh, B. Zhang and Z. Yang, “Identity and Style Feature Decoupling Network for Cross-domain Palmprint Recognition,” IEEE Transactions on Information Forensics and Security.

供稿：冷璐

义务编辑与校对：薛禹良博士