基于拉普拉斯特征映射的人耳识别算法研究

论文摘要

人耳识别是一种新兴的生物特征识别技术,它囊括了图像处理、模式识别、机器学习等方面的知识,人耳识别与其他生物特征相比,具有无侵犯性的优点,并且人耳库采集简单方便,在监控、身份识别等方面有着非常广阔的应用前景。虽然目前国内外的研究还处于起步阶段,但是它已经成为生物特征识别领域里研究的热点。本文主要从人耳图像的预处理、特征提取几个方面对人耳识别进行了一定的研究,提出了一种基于拉普拉斯特征映射的人耳识别方法,主要包括以下几个方面的内容：首先介绍了人耳识别技术的研究背景、目的和意义以及国内外研究现状。详细总结了基于几何学方法、力场转换理论、主成分分析、遗传算法、子空间学习等各种人耳识别方法。其次完成了人耳图像的预处理,包含图像去噪、图像分割、定位裁切、归一化处理几个方面。实验结果表明,这几部分的处理取得了较好的基础。最后,重点介绍了拉普拉斯特征映射的基本原理以及主成分分析和局部保留投影相关的理论基础。在此基础上,采用了基于整幅图像的拉普拉斯特征映射和分块与拉普拉斯特征映射结合的人耳识别新方法,利用基于欧式距离的最近邻分类法,对两种特征提取方法的识别效果进行了比较。实验结果表明,采用分块与拉普拉斯特征映射结合的人耳识别新方法较基于整幅图像的拉普拉斯特征映射人耳识别算法取得了较高的识别率。文中还介绍了所开发的人耳识别系统。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 人耳识别研究现状
• 1.2.1 几何特征方法
• 1.2.2 空间学习方法
• 1.2.3 其他方法
• 1.3 本文主要研究内容
• 2 人耳图像预处理
• 2.1 人耳图像的去噪
• 2.1.1 中值滤波
• 2.1.2 直方图均衡
• 2.1.3 灰度拉伸
• 2.2 人耳图像的裁切
• 2.2.1 人耳图像的分割
• 2.2.2 人耳图像的定位裁切
• 2.3 人耳图像的归一化
• 2.3.1 人耳图像的尺度归一化
• 2.3.2 人耳图像的灰度归一化
• 2.4 对比度受限制的自适应直方图均衡（CLAHE）
• 2.5 本章小结
• 3 拉普拉斯特征映射基本原理
• 3.1 引言
• 3.2 主成分分析方法（PCA）
• 3.2.1 PCA的基本原理
• 3.2.2 PCA算法流程
• 3.3 局部保留投影（LPP）
• 3.4 拉普拉斯特征映射
• 3.4.1 算法实现
• 3.4.2 数学描述
• 4 基于拉普拉斯特征映射的人耳识别方法研究
• 4.1 基于整幅图像的拉普拉斯特征映射的人耳识别方法
• 4.2 分块与拉普拉斯特征映射结合的人耳识别方法
• 4.2.1 子窗口定位
• 4.2.2 选择最优子窗口
• 4.2.3 特征提取
• 4.3 实验结果分析
• 5 实验系统介绍
• 5.1 人耳图像库介绍
• 5.2 系统开发平台介绍
• 5.3 系统实现功能介绍
• 6 结论与展望
• 6.1 工作总结
• 6.2 存在的问题及改进的设想
• 致谢
• 参考文献