人耳识别技术研究进展综述

人耳识别是一种新的生物特征识别技术,目前,研究尚处于起步阶段,有关的理论和方法还很不完善。文章首先介绍了人耳自动系统的构成,然后分析了现有的各种人耳识别技术,最后提出了展望。

3D人耳识别的研究进展

人耳识别是生物识别领域的一项新技术,由于其令人欣喜的特性,如普遍性、唯一性和稳定性等,已经受到了越来越多研究者的关注。但在3D人耳识别方面,各种理论和方法都不太完善、还处于初步阶段。文中首先介绍一般的人耳识别过程,然后从2D过渡到3D人耳识别,着重介绍一下现在3D人耳识别领域的一些技术。

基于外耳轮廓边缘信息的人耳识别

提出一种用Hausdorff距离表示人耳边缘特征的人耳识别方法.首先对原始人耳图像进行预处理,用基于灰度形态学梯度和局部阈值分割的边缘检测方法提取外耳轮廓边缘;然后用标准方差和边缘线段间长度差改进的Hausdorff距离表示人耳特征向量;最后采用支持向量机算法完成人耳识别.实验结果证明,该方法能获得更高的人耳识别率.

基于LLE及其改进算法的人耳识别

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。

基于Haar小波变换和分块DCT的人耳识别

提出一种新的对人耳图像进行降维的方法。先对人耳图像进行二维的离散小波分解,然后再对小波分解后得到的低频信息施行分块离散余弦变换,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PCA-LDA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的手段。

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究.介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比.在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别.在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98·7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.

基于小波变换和规范型纹理描述子的人耳识别

在带有角度的人耳图像上提取有效特征一直是人耳识别的难点.本文提出一种基于Haar小波变换和规范型纹理描述子的人耳识别方法,即先对人耳图像进行Haar小波变换,然后利用更加合理的规范型纹理描述子,同时结合分块与多分辨率思想,共同描述经Haar小波变换后人耳子图像的纹理特征,最后用最近邻分类器进行分类识别.实验结果表明,Haar小波变换可以有效增强图像纹理基元的有效信息;利用规范型纹理描述子提取特征不仅速度快,而且具有很强的鲁棒性,尤其与分块、多分辨率方法相结合时,效果更为显著,明显优于经典的PCA和KPCA方法.

结合Gabor小波和监督保局投影的人耳识别

针对人耳识别中人耳的角度变化这个难点问题,提出一种结合Gabor小波和监督保局投影的人耳识别算法.由于Gabor特征维数高、冗余大,首先通过统计样本的边缘点再采样的方法对人耳进行稀疏的描述,然后利用类别可分离性判据评价Gabor展开系数的分类能力,选择最有利于识别的Gabor展开系数构造新的Gabor特征.在人耳库中的实验结果表明,采用文中算法提取的Gabor特征维数少、鉴别能力强,结合监督保局投影进行识别取得了很高的识别率,对于人耳角度的变化具有良好的鲁棒性.

基于二维Fisher线性判别的人耳识别

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。

基于独立分量分析的人耳识别方法

应用独立分量分析(ICA)方法从高阶统计相关性角度出发提取人耳图像的特征变量,并采用基于欧氏距离测度的最近距离分类器进行人耳图像的识别。与传统的主成分分析(PCA)方法相比具有更好的鉴别能力。通过与PCA的对比实验结果表明,该方法具有更高的识别率,对姿态和光照的变化也具有较好的鲁棒性。

融合相关系数LPP算法的人耳识别

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。

基于ICA的非线性自适应特征融合的人耳识别

针对单一特征的人耳识别对旋转角度鲁棒性差的问题,提出一种非线性自适应特征融合的方法.首先提取人耳的2种具有互补性质的独立成分特征,然后将它们加权串联形成高维融合特征;最后通过核主元分析方法实现非线性降维.实验结果表明,当人耳有姿态旋转时,融合特征较单一特征的识别率有显著提升,且文中方法比传统的串联融合的识别结果更好.

人耳识别技术研究综述

介绍了一种新的生物识别技术——人耳识别。首先对人耳生物识别系统进行介绍,并与其他生物识别技术进行比较;重点按照识别特征的不同提取方法分别综述了各种人耳识别技术的关键技术,如PCA方法、基于神经网络方法、力场转换理论、遗传局部搜索法以及基于几何学方法和基于长轴的结构特征提取方法等分析方法。通过对各种识别方法的分析和比较,总结了影响人耳识别技术的几个因素和研究开发成功的人耳识别技术需要考虑的几个重要方面,最后提出了展望。

基于小波变换和LDA/FKT及SVM的人耳识别

人耳识别技术是生物特征识别和人工智能领域的一个重要分支。针对人耳图像自身的特点并通过对现有方法的研究,本文提出了一种新的人耳识别方法,即先对人耳图像进行二维的离散小波分解,然后使用LDA/FKT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,最后采用支持向量机作为分类器对样本向量进行判别。实验证明,本文提出的方法不仅较好地解决了人耳识别中的小样本问题,而且还取得了比传统的PCA+LDA方法更高的识别率,是一种有效的人耳识别方法。

基于SIFT特征的人耳识别

人耳的角度变化和遮挡是人耳识别中的难点问题,SIFT局部描述算子具有对图像尺度缩放、平移、旋转等的不变性,因此提出利用SIFT特征的人耳识别算法。该算法将人耳图像划分为相互重叠的网格区域,在每个子区域中计算SIFT的局部特征,再计算测试图像与训练图像的匹配相关度作为图像的全局特征,将SIFT的局部和全局特征相结合作为人耳识别的标准。通过在人耳库中的实验表明,此算法优于传统的全局方法,对于人耳角度变化和遮挡具有较好的鲁棒性,并且适用于单训练样本的情况。

基于子分类器融合的部分遮挡人耳识别

遮挡是人耳识别中一个难以回避的问题,本文对人耳受到部分遮挡的识别问题进行了研究。在分析人耳不同位置的鉴别能力的基础上,提出了一种基于决策层的子分类器融合的识别方法:首先将图像分割为若干连续但不重叠的子窗口;对每个子窗口,利用邻域保留嵌入算法进行特征提取,然后利用最近邻分类器进行识别;根据这些子分类器识别率的高低,可以得到相应的子窗口的鉴别能力;接下来再利用具有较高鉴别能力的子分类器进行融合识别来解决部分遮挡问题。在USTB人耳图像库上的实验结果表明人耳图像中确实有部分区域具有更高的鉴别能力,利用这些区域即可进行身份识别,而且本文提出的基于局部信息融合的方法比基于原始图像直接进行识别的方法具有更高的识别率,尤其适合于解决人耳识别中的部分遮挡问题。

基于LLE的多姿态人耳识别

多姿态人耳识别是人耳识别技术面临的一个难题,目前这方面的研究并不多见.通过分析国内外2-D人耳识别方法在解决姿态问题时存在的不足,引入流形学习算法,提出一种基于局部线性嵌入的多姿态人耳识别方法.实验结果表明,这种方法在人耳姿态变化时能够取得非常理想的识别率,提高了人耳识别的鲁棒性,增强了人耳识别技术的实用性.

基于2DLDA与FSVM的人耳识别

针对人耳图像特征提取和识别方面存在的问题,提出一种将二维线性鉴别分析(2DLDA)和模糊支持向量机(FSVM)相结合的人耳图像识别方法。利用2DLDA将人耳图像直接投影,提取的人耳特征,可以保留人耳图像样本的大量类内和类间信息。同时,FSVM在支持向量机(SVM)的基础上引入隶属度参数,更加适合多类问题。实验结果表明,该方法与2DLDA相比具有更高的识别率。

基于小波分解和鉴别共同矢量的人耳识别

针对高维、小样本的情况下使用Fisher线形鉴别分析进行特征提取存在的病态奇异问题,提出一种新的特征提取方法,即先对人耳样本图像进行二维离散小波分解,再利用DCV算法对小波分解后的低频信息分量作进一步的降维处理。不仅克服了小样本问题,也解决了直接使用DCV算法对人耳图像降维所引起的计算量大和计算速度过慢的问题。实验证明,该方法具有较好的识别率,是一种有效的特征提取算法。

基于复合结构分类器的人耳识别

在基于独立分量分析的人耳识别方法研究基础上,提出复合结构分类器的人耳识别通用模型.该模型首先根据人耳的几何特征对人耳进行粗分类;然后应用独立分量分析的方法提取代数特征,支持向量机进行细分类,最后给出分类结果.这与人类由粗到细的识别过程是相符合的,能够克服单一独立分量分析识别方法的特征提取时间过长、特征数过多的缺点,同时避免了归一化过程中丢失比例结构特征的问题.实验结果表明,该模型取得了较高的识别率,尤其适用于规模大的复杂人耳库.