人耳图像处理的算法研究
随着信息安全受到人们的高度关注,生物特征识别技术随之兴起,而作为生物特征识别领域的新成员——人耳识别一出现就引起了专家学者的高度关注。人耳识别属于被动式识别技术,具有非接触、隐蔽性强以及图像尺寸小等优点,成为目前生物特征技术的热门研究方向。目前主要依靠提取人耳的外耳特征来进行身份识别,但存在着人耳识别率低,对有姿态角度变化的人耳图像鲁棒性差的缺陷,为了克服人耳识别存在的这些缺陷,本文主要的工作就是对现有的特征提取算法进行改进创新来提高人耳图像的识别率。 首先对人耳图像进行预处理,包括图像对比度调整、滤波去噪以及直方图均衡化三个方面的工作,消除光照、噪声以及拍摄角度变化对图像的影响,达到增强图像的目的,为后续的算法验证创造理想的实验条件。 人耳特征提取是人耳识别系统中的关键环节,决定着分类结果正确率的高低,实验证明单特征提取方法需要在特定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取存在的这一局限性。为了提高识别结果的正确率,本文改进并提出了一个新的特征提取算法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率。 人耳图像特征提取中应用二维核主成分分析方法(2KDPCA)存在着提取的特征维数较高,从而导致识别时间长、需要较大的数据存储空间等缺陷。本文使用的改进方法(2KDPCA+2DPCA)是在人耳图像的行方向和列方向同时去除相关性,达到压缩提取的人耳特征维数目的,最后使用BP神经网络分类器进行分类识别。实验结果表明,该方法的人耳识别速度快,需要的数据存储空间少,同时保持着较高的识别率。 对于姿态角度变化造成的低识别率问题一直是研究的难点,由于目前存在的一些特征提取方法对有姿态变化的人耳图像识别率较低,故本文提出基于主成分分析(PCA)与独立成分分析(ICA)互补特征串联融合算法对姿态人耳图像进行识别,该算法对姿态人耳图像识别率有着明显的提升,弥补了采用主成分分析(PCA)、独立成分分析(ICA)等单一特征提取姿态人耳图像的不足,通过实验数据分析得出,该方法的识别率明显高于PCA、ICA单特征提取的姿态人耳图像识别率。
人耳图像;生物特征识别;特征提取算法;滤波去噪;直方图均衡化
江苏科技大学
硕士
模式识别与智能系统
程科
2012
中文
TP391.41;TP301.6
85
2012-11-02（万方平台首次上网日期，不代表论文的发表时间）