论文部分内容阅读
人耳识别是一种重要的生物特征识别方法,用途广泛,利用人耳实现对人的鉴别是具体可行的,人耳识别方法较其他的识别方式而言有它无可比拟的优势。人耳识别的关键在于提取简单有效的特征,以较好地区分不同的人,但至今还没有统一的理论。本文讨论了目前的人耳特征形成方法,提出一类新的人耳特征形成的方法:基于平面非规则曲线与轮廓线的特征形成方法,围绕该方法,我们在以下三个方面展开讨论:首先,本文创造性地提出对边缘检测图像进行预处理的方法,它们的核心思想是对不同的人耳提取出相近的部分,只有这样才能使得今后的识别变得有意义,需要说明的是,除最后两个算法是并行的外,文中给出的前四个算法是依次进行的。对一幅人耳图像需要用前四个算法依次处理,尔后根据实际需要选用第四或第五个算法。这些算法是:提取人耳曲线的长轴并标记端点、确定人耳边缘的两个顶点、确定长轴与内轮廓的交点、消除人耳顶点一侧的黑色像素点、检测人耳边缘的内外轮廓线、将人耳边缘序列等间隔划分等。其次,作者给出基于平面非规则曲线与轮廓线的特征形成方法的定义:提取人耳边缘检测之后的外轮廓线和内轮廓线,运用某一种平面非规则曲线或轮廓线识别的方法,对提取的曲线进行识别,从而完成对原始的人耳图像的识别任务的方法。我们对这类方法进行了较深入的讨论。该方法种类繁多,文中具体给出了作者在该方法指导下的几种新算法,这些算法有基于曲率的人耳特征形成方法、基于线段之比的人耳特征形成方法、基于Hu轮廓矩不变量的特征形成方法、基于长轴与质心夹角的人耳特征形成算法、基于主轴率等的人耳特征形成算法。需要强调的是,这类方法对人耳识别实现了本质性的转化。最后,为了增强特征的有效性,我们将一些经典的特征压缩方法应用到人耳识别上来,给出了三种人耳特征的压缩方法。基于欧氏距离的人耳特征提取算法、基于分支定界的人耳特征最优搜索算法、基于增1减r法的人耳特征选择方法。以上算法描述大都包括三个部分:一是算法的理论基础,这里涉及到算法关于旋转、平移、伸缩的不变性证明;二是算法的具体实现,作者给出了详细的步骤;三是算法说明,对算法的某些步骤加以说明,指出了采用这些步骤的原因,文中最后给出了第一个算法的程序代码以及对一人耳边缘检测图像的运行结果。本文所提出的人耳特征提取与压缩方法,具有一定的理论意义和实际应用价值。