论文部分内容阅读
随着微电子、计算机和网络技术的发展，人们对以身份鉴别为基础的信息安全技术的要求越来越高。传统的身份鉴别方法，如ID卡(身份证、工作证、智能卡、储蓄卡等)和密码等，存在携带不便、容易遗失，或者由于使用过多或不当而损坏、不可读和密码易被破解等诸多问题，而生物特征识别技术能够较好地克服传统身份鉴别方法的缺点，因此逐步受到重视。现有的生物特征识别技术，包括指纹识别、虹膜识别、人脸识别等，虽已达到较好的识别效果，但仍有必要进行新的生物特征识别技术的研究。在探索和研究生物特征识别技术时，首要的问题是选择何种生物特征进行识别。用于身份鉴别的生物特征通常应该具备普遍性、唯一性、稳定性和可采集性，如：人脸，指纹等。由于人类的眉毛也大致具备这些特性，所以也可能被用于身份鉴别的研究。本文主要讨论如何利用主成分分析(PCA)和傅里叶变换进行眉毛识别，从而验证眉毛识别的可行性和有效性。
论文首先综述了主成分分析(PCA)和傅里叶变换的基本原理，然后在32人的小规模眉毛图像数据库中对纯眉毛图像进行了手工圈选和计算机辅助生成，最后利用纯眉毛图像进行了基于PCA的眉毛识别方法、基于傅里叶变换的眉毛识别方法、傅里叶变换和PCA相结合的眉毛识别方法的研究实验，具体描述如下：
(1)基于主成分分析(PCA)的眉毛识别。该方法首先把眉毛图像转换为行连接向量，然后通过PCA对训练集纯眉毛图像构建的行连接向量集进行计算，得到特征模板，最后依据此模板进行眉毛识别。该方法实现的具体步骤为：眉毛图像预处理；训练图像行连接向量集的生成；基于PCA的特征眉毛子空间的计算；将训练眉毛图像投影到特征眉毛子空间，得到眉毛类平均特征模板；眉毛识别的过程。本文的实验结果表明，基于主成分分析的眉毛识别方法的识别率最高达到60.00％。
(2)基于傅里叶变换的眉毛识别。该方法通过傅里叶变换把眉毛图像转换为2维频谱矩阵来生成用于识别的特征模板，进行眉毛识别。本文的实验结果表明，基于傅里叶变换的眉毛识别方法的识别率最高达到90.63％。
(3)傅里叶变换和PCA相结合的眉毛识别。该方法首先对眉毛图像进行傅里叶变换，然后在频域空间进行基于PCA的特征提取和识别分类。本文的实验结果表明，该方法的识别率达到90.63％。因此，傅里叶变换有助于PCA方法提取眉毛识别的主要特征，从而提高眉毛识别的可靠性和可用性。