基于子空間分析和支持向量機(jī)的人耳識(shí)別研究.pdf

1、采用人耳特征進(jìn)行身份驗(yàn)證是一種新興的生物特征識(shí)別技術(shù)，國(guó)內(nèi)外對(duì)人耳識(shí)別的研究還處于起步階段。 針對(duì)目前人耳識(shí)別技術(shù)的現(xiàn)狀，本文主要從人耳圖像的檢測(cè)、預(yù)處理、特征提取和分類器的設(shè)計(jì)幾個(gè)方面對(duì)人耳識(shí)別這一課題進(jìn)行了一定的研究和討論。本文工作主要包括以下幾個(gè)方面： (1)人耳檢測(cè)：針對(duì)本文研究對(duì)象的特殊性，即人耳圖像無(wú)大的姿態(tài)變化且背景比較簡(jiǎn)單，本文提出基于灰度差積分投影的人耳定位方法。首先，通過灰度差積分投影得到人耳的匕邊界

2、和左右邊界，粗定位人耳矩形區(qū)域；然后利用canny算子提取人耳邊緣，得到精確定位的人耳整體圖像；最后根據(jù)實(shí)際需要進(jìn)行一系列歸一處理。通過在自建人耳庫(kù)中的實(shí)驗(yàn)，表明本文所提的算法切實(shí)可行。 (2) 特征提?。鹤涌臻g分析的方法能有效地反映圖像的統(tǒng)計(jì)特征，本文研究線性子空間分析和非線性子空間分析方法在人耳圖像特征提取中的應(yīng)用，并對(duì)子空間分析的各種方法進(jìn)行細(xì)致的實(shí)驗(yàn)研究。一方面，研究基于線性子空間分析的人耳特征提取方法。實(shí)現(xiàn)了主成分分析

3、、Fisher線性判別分析兩種人耳特征提取方法；提出基于奇異值主元投影的人耳特征提取方法，與PCA 和 FLDA 相比該方法對(duì)噪聲和光照不敏感：針對(duì)獨(dú)立元分析中獨(dú)立元隨機(jī)排序的不足，本文采用基于遺傳算法的最優(yōu)獨(dú)立基選擇算法，該算法在自建人耳庫(kù)中獲得99.17％的識(shí)別率，在CP庫(kù)中也獲得了92.16％的識(shí)別率；另外嘗試采用二維非負(fù)矩陣分解的進(jìn)行人耳特征提取，與一維非負(fù)矩陣分解相比該方法的計(jì)算復(fù)雜度降低了1倍以上；另一方面，研究基于非線性子

4、空間分析的人耳特征提取方法。實(shí)現(xiàn)了基于核主成分分析和核獨(dú)立元分析的人耳特征提取。在自建庫(kù)中的實(shí)驗(yàn)結(jié)果表明，基于核方法的特征提取，能夠更加充分地利用圖像的非線性特征，增加有效的識(shí)別特征量，更好地反映人耳特征的個(gè)體差異，識(shí)別率高于線性方法。 (3)分類器設(shè)計(jì)：人耳識(shí)別的實(shí)質(zhì)問題是分類器的設(shè)計(jì)問題。本文采用支持向量機(jī)作為人耳識(shí)別分類器，對(duì)影響支持向量機(jī)分類性能的因素進(jìn)行了系統(tǒng)研究。在自建人耳庫(kù)中通過與 BP 神經(jīng)網(wǎng)絡(luò)和最近鄰分類器的對(duì)