基于小波变换和正交质心算法人耳识别研究.docVIP

基于小波变换和正交质心算法人耳识别研究 　　 (1. 北京科技大学 信息工程学院, 北京 100083； 2.河北经贸大学 计算机中心, 石家庄 050061) 　　?? 　　摘 要：提出了一种新的快速对人耳图像进行特征提取的方法，先对人耳图像进行二维的离散小波分解，然后使用正交质心算法对小波分解后得到的低频信息进行降维，进而获得图像的特征向量。实验证明，该方法与模式识别领域中广泛应用的Fisherfaces方法相比，在识别率大体相当的前提下，具有计算量小、降维速度快的优点，是对人耳图像进行特征提取的一种有效手段。 　　?す丶?词：人耳识别； 小波变换； Haar小波； 正交质心算法 　　?ぶ型挤掷嗪牛?TP391.4 文献标志码：A 　　 文章编号：1001?B3695(2009)03?B1148?B03 　　?? 　　Ear recognition based on wavelet transform and orthogonal centroids algorithm 　　?? 　　ZHAO Hailong1， MU Zhichun1， ZHANG Xia1,2 　　?? 　　(1. School of Information Engineering, University of Science Technology Beijing, Beijing 100083, China; 2.Computer Center, Hebei University of Economics Business, Shijiazhuang 050061, China) 　　?? 　　Abstract:This paper proposed a quick new vectors construction method for ear retrieval based on wavelet transform and orthogonal centroids algorithm. It also compared the new method to the famous PCALDA method. The experimental results on USTB?B79 ear database show that the proposed method can get approximately equal retrieval accuracy to PCALDA method, but it performs much better in speed than the latter. 　　??Key words：ear recognition； wavelet transform； Haar wavelet； orthogonal centroids algorithm 　　?お? 　　0 引言 　　随着社会的发展，对身份验证的需求也日益增加，如电子商务、网上银行、公共安全等领域都在不断地对身份验证提出新的要求和挑战。生物特征是人的内在属性，具有较强的自身稳定性和个体差异性，可以作为身份认证较好的依据。人耳作为人的生物特征之一，除了具备普遍性、惟一性、稳定性、可接受性和防伪性等特点[1]之外，与人脸等其他生物特征识别技术相比，还具有不易受表情和化妆影响、不易损伤以及图像颜色分配一致等独特优势。因此人耳识别技术近年来已成为计算机视觉和模式识别领域中的一个前沿课题。 　　一个完整的人耳识别系统应该包括以下几个过程：人耳图像采集(信息获取)、图像预处理、特征提取与选择、分类器设计以及分类决策[2]。其中特征提取是解决问题的一个关键，其结果将直接影响到最终分类的正确率和识别速度。在模式识别领域中，常见的特征提取方法有基于几何特征的方法、子空间分析和基于频域变换的方法。 　　基于几何特征方法的基本思想是把生物特征的构成部件及它们之间结构关系的集合描述作为识别的特征，具体到人耳就是首先定位耳垂、对耳轮、耳屏等特征点，然后计算这些特征点的相对位置和距离用其作为人耳特征的度量。子空间方法的基本思想是通过最优化一个准则函数得到一个投影矩阵，将高维的原始样本图像投影到一个低维的子空间，使低维子空间中的样本图像特征更加紧凑、有更好的可分性；子空间分析也是模式识别领域目前应用最广泛的特征提取方法。M.Turk等人[3,4]提出的基于主成分分析(principal component analysis，PCA)的特征脸，P.N Belhumeur等人[5]提出的先利用PCA对原始图像降维，再进行通常的Fisher线性鉴别的Fisherfaces(即PCA+LDA)以及独立成分分析(independent compon