基于特征融合的人耳识别.docVIP

基于特征融合的人耳识别 　　摘 要:分析Zernike矩人耳特征提取和非负矩阵分解(NMF)人耳特征提取的利弊。将线性判别分析的思想融入到NMF算法中,对传统的NMF方法进行改进。介绍一种融合特征人耳识别方法:将Zernike矩和传统非负矩阵分解融合提取人耳特征,得到一个分类能力更强的人耳特征矩阵,并采用BP神经网络进行分类识别,实验结果表明,应用融合特征方法提取人耳图像特征,可以提高识别效果。?? 　　关键词:人耳识别;特征融合;Zernike矩;BP神经网络;非负矩阵分解?? 　　中图分类号:TP391 　　 　　随着科技的发展,社会的进步,身份验证的要求也日益迫切,包括指纹识别、人脸识别、虹膜识别等。人脸识别已经取得了可喜的研究成果,但在实际应用中存在很多的困难:人脸是非刚体,存在表情变化会对人脸识别造成影响。?? 　　[JP2]人耳特征与其他的生物特征一样是每个人与生俱来的,为人的内在属性,具有较高的稳定性及个体差异性。而人耳特征与其他生物特征不同的是,他具有普遍性、可采集性和不可伪造性等特点。人耳有着可靠、稳定和丰富的生理特征,并且人耳作为一种生物特征,具有独特的优点:人耳不受表情、化妆的影响;不易受伤,不受耳环、眼镜架等的影响;比人脸具有更一致的颜色分布;人耳表面更小,信息存储和处理量更少????[1,2]??。人耳识别作为一种新的人体特征识别技术正引起人们的关注。[JP] 　　Zernike矩方法提取具有旋转不变性的人耳几何特征,具有稳定性强,有利于分类识别,但是当人耳图像受到其他因素如光照的影响时,这种识别率就会降低。改进的非负矩阵分解是将线性判别融入到传统的非负矩阵分解方法中,通过最大化样本类间差异,最小化样本类内差异,提取具有判别能力的低维人耳特征。在此将这两种具有互补性的特征串行融合,得到一个分类能力更强的特征。?? 　　1 Zernike矩方法特征提取?? 　　Zernike矩是一种正交复数矩,它利用的正交集是一个在单位圆内的正交集?? 　　设二维离散图像函数用??f(x,y)表示,n+m?Ы?Zernike不变矩表示为: 　　实质上,它是一种映射,将图像函数变换到一组正交基函数上。图像??f(x,y)的??Zernike??矩是该图像在一组正交多项式V????nm??(x,y)上的投影。所谓的正交是指V????nm??(x,y)在单位圆内x??2+y??2≤1??满足下列条件: 　　离散形式为: 　　由于Zermike矩的定义中引入了完全正交基的基函数集,取代了原点矩定义中的非正交基函数集,因此在理论上Zermike矩比原点矩具有更好的数学性质????[3,4]??。?? 　　对人耳图像进行大小调整后,求取Zermike矩的幅值作为特征,具有稳定性强,有利于分类识别。但是当人耳图像受到其他因素,如光照的影响时,这种识别能力就会大大降低。对Carreira[CD*2]Perpinan建立的人耳图像库进行人耳Zernike矩特征提取:?? 　　(1) 读入人耳图像,将图像坐标原点移至图像中心;?? 　　(2) 将图像像素的坐标映射到单位圆内,落于单位圆外的像素不予考虑;?? 　　(3) 调用zernlpol函数,计算Zernike矩值;?? 　　(4) 根据步骤(3)提取人耳特征。?? 　　其中,??n??的变化计算出图像不同阶的Zernike矩,在??n??确定的情况下,??m??的变化计算出??m??阶的各个Zernike矩值。本实验中取??n??=6,不考虑??m??0的情况。这些矩值可以看成是具体图像的Zernike矩特征,把计算出的Zernike矩的各阶矩值按??n??递增的次序并且在??n??确定的情况下按??m??递增的次序排列:??Z=(z??1,z??2,…,z??i,…)。??求取Zernike矩幅值作为特征,得到一个15维的人耳矩特征向量。?? 　　 　　2 改进的NMF特征提取?? 　　 　　2.1 改进的NMF方法?? 　　利用传统的方法可以得到好的识别效果,但是当图像受外在因素的影响时,NMF的识别率会降低。线性判别分析是一种常用的子空间分析方法,通过最大化样本类间差异,最小化样本类内差异,提取最具有判别能力的低维特征,对光照等都不太敏感。本文介绍了一种改进的NNF算法:将线性判别分析的思想融入到NMF算法中,对NMF进行改进。根据NMF算法计算基图像;将原始的人耳图像向NMF基图像做投影,在投影子空间上进行线性判别分析????[5]??。?? 　　设矩阵??[WTHX]V[WTBX]是由n幅人耳图像V??1,V??1,…,V??n构成的训练集,对其进行??NMF??分解,得到由r个基图像构成的子空间[WTHX]W[WTBX]=