重庆大学光电技术与系统教育部重点实验室, 重庆 400044
针对局部保持投影 (LPP)在构造邻接图时, 基于欧氏距离的近邻选取方式往往不能很好地反映数据间的几何结构关系问题, 提出一种融合相关系数的 LPP人耳识别算法。该算法通过融合图像相关系数和欧氏距离来构建邻接图, 能更好地揭示出数据间的几何结构关系。同时, 在设定权值时, 融入了图像间的相关系数, 能更好地体现高维数据间的相似关系, 提取出更有效的鉴别特征。在 USTB3和西班牙人耳库上的实验结果表明, 本文算法比传统 LPP算法识别率提高了 10%以上, 验证了本文算法的有效性。
人耳识别 相关系数 邻接图 ear recognition Locality Preserving Projections (LPP) LPP correlation coefficient neighbor graph
1 东北石油大学 电子科学学院, 黑龙江 大庆 163318
2 东北石油大学 化学化工学院, 黑龙江 大庆 163318
根据主成分分析(PCA)和线性判别分析(LDA)在人耳识别过程中存在识别率不高的问题, 提出一种基于离散小波变换(DWT)和PCA及LDA的人耳识别算法。将人耳图像进行二维DWT, 选择包含图像大部分信息的低频子带, 先利用PCA再利用LDA提取最优样本映射空间, 最后利用最近邻法则进行人耳图像的分类。实验结果表明, 该方法识别效果优于基于PCA及LDA的方法。
人耳识别 离散小波变换 主成分分析 线性判别分析 ear recognition discrete wavelet transform principal component analysis linear discriminant analysis
重庆大学 光电技术与系统教育部重点实验室，重庆 400030
针对局部线性嵌入(LLE)算法易受偏转角度和近邻选取的影响，提出了一种双层LLE(DLLE)的人耳图像识别方法，并结合Gabor小波和DLLE提出了GDLLE。DLLE首先计算各样本与每类样本中心的欧氏距离，再把欧氏距离最小的K类所有样本作为LLE的近邻，提取出鉴别特征，最后由最近近邻分类器对鉴别特征进行分类。在USTB3人耳图像库上的实验结果表明，本文提出DLLE能够减小偏转角度和近邻对LLE算法的影响，结合Gabor小波后进一步改善了算法的识别率。
人耳识别 Gabor小波 最近邻分类器 ear recognition LLE LLE Gabor wavelets nearest neighbor classifier
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
沈阳工业大学 视觉检测技术研究所，沈阳 110023
针对传统二维Fisher 线性判别(2DFLD)方法只使用图像矩阵的行向量作子模式的局限性，结合人耳图像的特点，提出了一种基于列向量作子模式的2DFLD 的人耳识别方法。首先利用训练样本图像矩阵的列向量作子模式进行训练以提取特征人耳子空间，再将测试图像投影到该子空间上，最后用最近邻欧式距离方法进行匹配。实验结果表明，以列向量作子模式时的识别率达98.333%，比行向量作子模式时提高了3.333%，与同样基于多元统计分析的PCA、2DPCA 和PCA+FLD 方法相比，识别效果最优，是一种有效的人耳识别方法。
列向量 子模式 人耳识别 2DFLD two-dimensional FLD column vector sub-pattern ear recognition
1 沈阳工业大学 视觉检测技术研究所,沈阳 110023
2 辽宁科技大学 计算机科学与工程学院,辽宁 鞍山 114051
针对人耳识别问题,提出了一种自动提取人耳解剖学结构特征点的方法。首先对包含耳廓区域的侧脸图像进行预处理消除噪声和毛刺现象;然后把2D灰度侧脸图像看作是一个曲面,则利用曲面上位于边缘处的灰度变化较大,因此该位置的曲率就会大于周围灰度变化平坦位置处的曲率的性质,求曲面的最大主曲率和最小主曲率;最后通过自动阈值分割对两幅曲率图像进行阈值化,并进行融合得到耳廓解剖学特征边缘信息。实验表明,用该方法提取的结构特征边缘曲线光滑、连通性好,不受光照强度变化的影响,满足下一步识别的要求。
人耳识别 特征提取 边缘检测 微分几何 主曲率 ear recognition feature extraction edge detection differential geometry principal curvatures
1 沈阳工业大学视觉检测技术研究所, 辽宁 沈阳 110023
2 辽宁科技大学计算机科学与工程学院, 辽宁 鞍山 114051
要提高人耳的识别率,关键是特征的提取与表达。尺度不变特征变换(SIFT)技术是局部点特征提取算法,在尺度空间寻找极值点,提取对图像的尺度和旋转变化具有不变性,对光照变化和图像变形具有较强的适应性的特征向量。尝试用SIFT技术来提取外耳图像的结构特征点以形成稳定的特征描述子,为了克服一幅图像中有多个局部描述子相似的问题,在SIFT特征描述子中融入一个耳廓几何特征。最后采用特征向量的欧氏距离作为两幅图像相似性度量标准进行人耳识别。在耳图像库上进行实验,结果表明,该方法不仅可以有效地提取人耳特征,通过少量特征可获得较高的识别率,而且对耳图像刚体变化具有较强的稳健性。
模式识别 人耳识别 尺度不变特征变换 几何特征 特征融合
