论文部分内容阅读
人耳识别是一种新的生物特征识别技术，由于人耳独特的生理位置和生理结构，使其在信息安全、公共安全等领域具有广阔的应用前景，引起了国内外学者的广泛关注。经过十多年的探索和研究，虽然取得了一些成果，但离实际应用还有一定的距离，需要对其进行更加深入的研究。本文针对人耳的具体特点，对人耳识别系统的关键技术与核心算法进行了较深入的研究。首先，采用Gabor小波变换提取人耳特征，由于二维Gabor滤波函数可以模拟哺乳动物视觉皮层简单细胞的感受野，对光照条件和头部姿势的改变不是很敏感，因而人耳图像经Gabor小波变换得到的结果能更好地揭示人耳图像的内在特征。然后，采用基于流形学习的LLE算法进行降维，由于传统LLE算法选取近邻点的方法比较简单，对于类别信息已知的高维数据，降维效果欠佳，所以提出了基于相关系数的双层LLE算法，尽量将所有同类的样本点选为近邻点，从而减小因为邻域选取不当对降维效果的影响。最后，考虑到该改进算法是监督学习的方法，对于只知道少量类别信息的场合，将不再实用，在此基础上，结合半监督聚类的原理及特点，提出了基于半监督聚类的双层LLE算法。在USTB人耳库上的实验结果表明：①对人耳图像进行Gabor小波变换，可以有效地降低光照条件和头部姿势对人耳识别结果的影响；②相对于传统的LLE算法，基于Gabor小波变换和相关系数的双层LLE算法能够获得更高的识别率，并且大大加快了算法运行的速度；③基于Gabor小波变换和半监督聚类的双层LLE算法的识别率虽然没有前一种改进算法的识别率高，但随着类别标签个数的增加，其识别率曲线可以逐渐逼近它的识别率曲线。总之，本文主要对基于LLE算法的人耳识别进行了深入研究，针对传统LLE算法的不足，提出了两种改进算法。实验结果表明，两种方法都取得了较好的实验结果，有望为人耳识别技术的实际应用奠定坚实的基础。