多方向多尺度與矩特征在人耳識別中的應用.pdf

1、生物特征識別方法正逐漸成為近年來的研究熱點，而人耳識別更是其中一個新興的研究方向。人耳獨特的生理特征和觀測角度優(yōu)勢使人耳識別成為其他生物特征識別技術(shù)的有益補充。目前，人耳識別在國外尚處于初步探索研究階段，在國內(nèi)研究這方面的科研機構(gòu)和人員也還不多，因此它具有巨大的研究價值和廣闊的應用發(fā)展空間。
　　 本文首先建立了一個自動人耳識別系統(tǒng)，它由人耳圖像采集、圖像預處理、特征提取、特征數(shù)據(jù)處理以及神經(jīng)網(wǎng)絡(luò)分類識別幾個模塊組成。在人耳圖像

2、采集模塊中，本文結(jié)合實驗室設(shè)計的一個人耳采集系統(tǒng)，構(gòu)建了一個標準的中國人人耳圖像數(shù)據(jù)庫。它包含了200個中國人的人耳，采集時每個人采集左右兩只人耳的圖像，每只人耳有4種場景(其中3種典型的光照變化和1種強光遮擋)、4個拍攝角度，總共拍攝人耳圖像6400幅。在圖像預處理模塊中，本文研究了多尺度幾何變換的原理及特點，并結(jié)合人耳圖像自身特點將Curvelet變換用于人耳圖像的增強與去噪過程中。然后使用小波模極大值提取人耳圖像的邊緣，以消除光照

3、不均、光照變化的影響。在特征提取模塊中，為了更有效地利用小波矩不變量算法來快速無損地計算人耳圖像特征值，本文提出了一種融合Mallat算法的無損采樣的新型小波矩不變量算法。在此基礎(chǔ)之上，結(jié)合傅立葉變換的原理及特點，提出了基于頻率幅值譜與小波矩不變量的特征提取方法。并將改進的小波矩不變量算法與傳統(tǒng)使用三次B樣條矩的小波矩、Hu矩進行了比較。在特征數(shù)據(jù)處理模塊與神經(jīng)網(wǎng)絡(luò)分類識別模塊中，分析了圖像特征誤差的產(chǎn)生原因，將得到的特征量使用誤差處理

4、方法進行加權(quán)，以減少誤差對分類識別的影響，并利用3層BP神經(jīng)網(wǎng)絡(luò)方法完成識別。
　　 實驗結(jié)果表明：①與其它方法相比，曲波去噪后的圖像PSNR有較大提高，視覺效果明顯改善，特別是在圖像邊緣的恢復上效果明顯。并且曲波增強效果也好于其它方法。②相對于傳統(tǒng)小波矩不變量算法，改進的小波矩不變量在性能幾乎沒有損失的情況下，大大加快了小波矩不變量的計算速度，并且基于頻率幅值譜的小波矩有更強的抗噪性。③實驗中有200個樣本的人耳圖像，每個樣本