[發明專利]融合小波分析與矩特征的人耳圖像識別方法

無效

• 申請號: 200810069589.5
• 申請日: 2008-04-25
• 公開（公告）號: CN101266646A
• 公開（公告）日: 2008-09-17
• 發明（設計）人: 劉嘉敏;謝海軍;錢鳳;魏彪;潘銀松;李以農;劉強
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 重慶志合專利事務所
• 代理人: 胡榮琿

技術領域

本發明涉及一種人體生物特征的個人身份識別技術，特別涉及一種融合小波分析與矩特征的人耳圖像識別方法。

背景技術

近年來，生物鑒別受到越來越多研究人員的關注。它在幾乎從身份認證到通道入口安檢的各個方面中都發揮了重要作用。但是現階段大部分生物鑒別技術都對其工作環境有苛刻的要求，因而限制了其適應范圍。所以研究人員都努力在尋找新的生物鑒別技術，人耳識別就是其中一種新型識別技術，國內外對其研究的都很少。人耳識別技術以其獨特的生理特征和觀測角度，使它具有相當的理論研究價值和實際應用前景。它涉及到生物特征提取、計算機視覺、圖像處理、模式識別和身份認證技術等諸多領域。

人耳不僅具有與其他個體生物特征共同之處，還具有一些獨特的特征：結構穩定，不受面部表情的影響，位置固定，樣本采集不會有相關的衛生問題，也不會使人緊張，更容易為人接受。并且盡管人耳比人臉、掌紋要小，但比虹膜、視網膜、指紋大，也容易采集。人耳檢測和識別技術正在成為生物特征檢測和識別領域的又一熱點。

非接觸生物特征鑒別技術在安全、金融、法律、人機交互等領域具有廣闊的應用前景，因此得到了研究人員的廣泛關注。人耳識別技術作為其中之一，具有巨大的發展潛力和廣闊的應用空間。但經攝像頭、照相機采集的照片往往是因為不同的時刻而具有不同的光照亮度，而且還有嚴重的光照不均。單獨采用任何一種矩不變量作為特征提取都不能取得很好的識別效果。因而需要尋找一種更好的提取識別人耳特征的方法。

在使用數字圖像進行模式識別與檢測的研究中，研究人員提出了眾多特征提取的方法，但是每種方法都有自己特定的應用范圍。由于矩不變量具有平移、旋轉和尺度不變性，所以它成為使用比較廣泛的特征提取方法。但是對圖像全局提取特征量的不變矩(如Hu矩、Zernike矩等)有計算量大、受噪聲影響較大等缺點。因此僅適用于分類具有顯著差別的模式，而無法區分只有細微差別的相似模式。D.Shen和Horace.H.S提出的小波矩不變量可以克服以上缺點，利用它不僅可以得到圖像的全局特征，而且也可以得到圖像的局部特征，因而在識別相似物體方面具有更高的識別率。目前小波矩不變量的計算式如下：

‖F_m，n，q^wavelet‖＝‖∫S_q(r)ψ_m，n(r)rdr‖

其中：

S_q(r)＝∫f(r，θ)e^jqθdθ

式中，‖F_m，n，q^wavelet‖為小波矩不變量值；S_q(r)是在極坐標中計算的量，f(r，θ)為極坐標圖像，θ為像素在極坐標圖像中的角度，r是極坐標中像素的極徑；ψ_m，n(r)為二進小波基函數；e^jqθ是變換核的角度分量，e是自然對數的底，j是虛數單位，m、n、q為整數。

上述計算式在計算小波矩不變量時需要使用坐標轉換，將數字圖像從直角坐標系中變換到極坐標系，這樣變換后會增加轉換誤差，導致小波矩不變量值不準確。另一種方法則采用顯性小波對小波矩不變量進行計算，但這種方法難以將mallat快速算法融入其中，計算速度低。而且因光照不均、光照強度變化、噪聲干擾等情況也會影響識別率。

發明內容

本發明的目的在于提供一種融合小波分析與矩特征的人耳圖像識別方法，它通過小波模極大值與改進小波矩不變量算法對人耳特征值進行提取，不但計算準確度高、計算速度快，并可以提高在光照不均、光照變化、噪聲干擾環境下采集的人耳圖像的識別率。

本發明的目的是這樣實現的：

(1)對采集的人耳圖像進行預處理：

用小波變換模極大值對采集的人耳圖像去噪，提取人耳圖像邊緣，得到小波分解各尺度下模極大值邊界圖像；

(2)提取人耳圖像的特征值：

利用改進的小波矩不變量算法計算小波矩不變量值，用于提取人耳圖像的特征值；

(3)識別人耳：

將步驟(2)得到的人耳圖像的特征值進行加權以及分類，對人耳進行識別。所述人耳圖像的去噪和人耳圖像邊緣提取的步驟如下：

1)利用小波模極大值及小波變換，實現人耳圖像的去噪處理；

具體步驟為：

對圖像進行多尺度的小波變換，得到各個尺度下的極大模值和幅角。