论文部分内容阅读
人耳识别是20世纪90年代末开始兴起的一种新的生物特征识别技术,凭借其高可靠性与稳定性,人耳识别已经得到学术界越来越多的关注。本文在现有人耳识别方法的基础上,分析人耳识别存在的主要问题,利用北京科技大学的人耳图像库,对人耳识别中特征提取和匹配方法有针对性的做了进一步深入研究。本文的主要工作和成果如下：(1)针对深度旋转变化的人耳图像难以识别的问题,研究了基于灰度梯度特征点的人耳识别方法。首先将一幅人耳图像等分为若干个子图像,将每个子图像等分为若干个子区域,利用每个子图像中灰度变化度最大的子区域的位置信息来构筑人耳图像特征矩阵,将特征矩阵在空间上直接对准进行人耳匹配。实验结果证明：提出的算法对旋转失真的人耳图像具有很强的适应性。(2)由于光照和旋转变化的影响,使人耳图像位于非线性的图像空间,常规的识别方法都是将其做线性近似,必然影响识别准确性。本文针对人耳图像的非线性研究了基于广义判别分析的人耳识别方法。与经典的Fisherear的方法相比,识别精度提高了4.2%。同时研究了人耳识别中最优核函数与核参数的选取问题。(3)针对实际应用中存储量和计算速度的要求,研究了一种低分辨率人耳图像识别方法。首先采用高斯金字塔对人耳图像进行不同层的分解,其次,对每一层图像应用广义判别分析方法(GDA)提取特征,再次,计算样本间的余弦距离通过阈值法分类识别。实验结果表明,在人耳识别中,当人耳图像分辨率降低为36×24时系统识别精度达到99.41%,识别时间仅为23.6ms,可以满足实时生物识别系统的要求。(4)研究了人耳人脸图像融合的多模态识别方法。实验结果表明：识别精度比单一人脸识别提高了12.5%,在有效提高人脸系统识别精度的同时,扩展了人脸系统的应用范围和算法的适应性。(5)本文实现了人耳在线识别系统。以AdaBoost算法定位并剪切出耳朵图像,以灰度梯度特征点方法作为核心算法,通过特征点矩阵在空间直接对准,以阈值法分类输出识别结果。在实验室小规模内取得了满意的识别结果。