多方向多尺度與矩特征在人耳識(shí)別中的應(yīng)用.pdf

1、生物特征識(shí)別方法正逐漸成為近年來的研究熱點(diǎn)，而人耳識(shí)別更是其中一個(gè)新興的研究方向。人耳獨(dú)特的生理特征和觀測(cè)角度優(yōu)勢(shì)使人耳識(shí)別成為其他生物特征識(shí)別技術(shù)的有益補(bǔ)充。目前，人耳識(shí)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(jī)構(gòu)和人員也還不多，因此它具有巨大的研究?jī)r(jià)值和廣闊的應(yīng)用發(fā)展空間。
　　 本文首先建立了一個(gè)自動(dòng)人耳識(shí)別系統(tǒng)，它由人耳圖像采集、圖像預(yù)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(shí)別幾個(gè)模塊組成。在人耳圖像

2、采集模塊中，本文結(jié)合實(shí)驗(yàn)室設(shè)計(jì)的一個(gè)人耳采集系統(tǒng)，構(gòu)建了一個(gè)標(biāo)準(zhǔn)的中國人人耳圖像數(shù)據(jù)庫。它包含了200個(gè)中國人的人耳，采集時(shí)每個(gè)人采集左右兩只人耳的圖像，每只人耳有4種場(chǎng)景(其中3種典型的光照變化和1種強(qiáng)光遮擋)、4個(gè)拍攝角度，總共拍攝人耳圖像6400幅。在圖像預(yù)處理模塊中，本文研究了多尺度幾何變換的原理及特點(diǎn)，并結(jié)合人耳圖像自身特點(diǎn)將Curvelet變換用于人耳圖像的增強(qiáng)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(jì)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(diǎn)，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(jìn)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(jìn)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(shí)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(jìn)行加權(quán)，以減少誤差對(duì)分類識(shí)別的影響，并利用3層BP神經(jīng)網(wǎng)絡(luò)方法完成識(shí)別。
　　 實(shí)驗(yàn)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(fù)上效果明顯。并且曲波增強(qiáng)效果也好于其它方法。②相對(duì)于傳統(tǒng)小波矩不變量算法，改進(jìn)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(jì)算速度，并且基于頻率幅值譜的小波矩有更強(qiáng)的抗噪性。③實(shí)驗(yàn)中有200個(gè)樣本的人耳圖像，每個(gè)樣本