重庆大学光电技术与系统教育部重点实验室，重庆 400030
通过分析现有人耳识别方法的不足，将局部线性嵌入 (LLE)算法应用于人耳识别。但 LLE算法对近邻点个数 K的依赖性很强，通常 K较大时才能获得良好的降维效果，而计算量也随之增加。为了减弱 LLE算法对 K的依赖，本文对 LLE算法的距离进行了改进，使样本集分布更均匀。在 K值比较小时，改进 LLE就能得到良好的降维效果，在一定程度上扩大了 K的取值范围。改进 LLE算法和原始 LLE算法的人耳识别实验结果表明，改进 LLE能获得更高的识别率，从而验证了该算法的有效性。
生物特征识别技术 人耳识别 改进 LLE biometrics technique ear recognition LLE LLE improved LLE
重庆大学 光电技术与系统教育部重点实验室,重庆 400044
复杂背景下的图像边缘通常非常复杂。为了解决人耳图像边缘检测中区域精度要求和抗噪性的矛盾,提出了一种基于小波模极大值的人耳边缘提取方法。首先对图像进行小波分解,得到3种不同尺度下的小波模极大值图像;接着将图像分别转换为二值边缘图像;然后将这些图像进行叠加;最后利用肤色二值图排除肤色区域范围外的噪声点得到边缘图像。此肤色二值图是图像经过形态学处理,并且依据人侧脸的先验知识通过分析和筛选所得到的。该方法引入了多尺度小波模极大值图像叠加技术,对解决复杂背景下人耳内外边缘特征难以提取的问题有良好的效果。实验结果表明,该方法在复杂背景下是有效的。
图像处理 人耳检测 小波模极大值 复杂背景 边缘检测
重庆大学 光电技术与系统教育部重点实验室，重庆 400044
本文在借鉴人脸检测算法的基础上，对现有的人耳检测方法进行研究，针对人耳区域小、共性特征少、复杂背景下难以检测等特点，提出了一种分阶段优化的静态彩色复杂背景下的人耳检测方法。首先采用肤色分割将检测范围缩小至肤色区域；接着利用侧脸的先验知识再次筛选；然后对图像进行边缘提取，在边缘图像中利用人耳含有丰富边缘信息的特点进行区域搜索以确定人耳。在该方法中，彩色图像的肤色信息和灰度图像的多尺度边缘以及人耳自身特征被结合起来，对解决人耳共性特征在复杂背景下难以被提取的问题具有较好的效果。实验结果表明，该算法在复杂背景下是有效的。
复杂背景 阈值分割 肤色分割 人耳检测 边缘区域 complex background threshold segmentation skin segmentation human ear detection edge region
