人耳圖像處理的算法研究.pdf

1、隨著信息安全受到人們的高度關(guān)注,生物特征識別技術(shù)隨之興起,而作為生物特征識別領(lǐng)域的新成員——人耳識別一出現(xiàn)就引起了專家學(xué)者的高度關(guān)注。人耳識別屬于被動式識別技術(shù),具有非接觸、隱蔽性強以及圖像尺寸小等優(yōu)點,成為目前生物特征技術(shù)的熱門研究方向。目前主要依靠提取人耳的外耳特征來進(jìn)行身份識別,但存在著人耳識別率低,對有姿態(tài)角度變化的人耳圖像魯棒性差的缺陷,為了克服人耳識別存在的這些缺陷,本文主要的工作就是對現(xiàn)有的特征提取算法進(jìn)行改進(jìn)創(chuàng)新來提高人

2、耳圖像的識別率。
　　首先對人耳圖像進(jìn)行預(yù)處理,包括圖像對比度調(diào)整、濾波去噪以及直方圖均衡化三個方面的工作,消除光照、噪聲以及拍攝角度變化對圖像的影響,達(dá)到增強圖像的目的,為后續(xù)的算法驗證創(chuàng)造理想的實驗條件。
　　人耳特征提取是人耳識別系統(tǒng)中的關(guān)鍵環(huán)節(jié),決定著分類結(jié)果正確率的高低,實驗證明單特征提取方法需要在特定的條件下才能取得較高的識別率,但是采用雙特征提取卻可以克服單特征提取存在的這一局限性。為了提高識別結(jié)果的正確率,本

3、文改進(jìn)并提出了一個新的特征提取算法,即基于主成分分析(PCA)與fisherface的互補雙特征提取方法,并將其運用于人耳圖像識別中,在北京科技大學(xué)提供的人耳圖像庫上的實驗結(jié)果表明,該方法的人耳識別率明顯高于PCA、fisherface、ICA單特征提取的人耳識別率。
　　人耳圖像特征提取中應(yīng)用二維核主成分分析方法(2KDPCA)存在著提取的特征維數(shù)較高,從而導(dǎo)致識別時間長、需要較大的數(shù)據(jù)存儲空間等缺陷。本文使用的改進(jìn)方法(2KD

4、PCA+2DPCA)是在人耳圖像的行方向和列方向同時去除相關(guān)性,達(dá)到壓縮提取的人耳特征維數(shù)目的,最后使用BP神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行分類識別。實驗結(jié)果表明,該方法的人耳識別速度快,需要的數(shù)據(jù)存儲空間少,同時保持著較高的識別率。
　　對于姿態(tài)角度變化造成的低識別率問題一直是研究的難點,由于目前存在的一些特征提取方法對有姿態(tài)變化的人耳圖像識別率較低,故本文提出基于主成分分析(PCA)與獨立成分分析(ICA)互補特征串聯(lián)融合算法對姿態(tài)人耳圖像