论文部分内容阅读
生物特征是人独特的生理或行为特征，它被认为是一种比传统身份识别方法(如密码，卡等)更加安全可靠和方便的身份识别手段，并已经逐渐成为国内外的一个研究热点。虽然目前已经有人脸识别、指纹识别、步态识别等多种生物特征识别方式，但是仍然有必要进行新的生物特征识别的研究。已有的研究工作表明，眉毛具有普遍性、唯一性、稳定性、易采集性等特点，具备作为一个独立的生物特征用于身份识别的基本条件。 本文的工作围绕眉毛识别展开，主要由眉毛图像的预处理、眉毛特征提取和识别三部分组成。 (1)眉毛图像的预处理：从包含头发，眼睛等脸部其它部位的原始眉毛图像中自动提取出只包含眉毛的纯眉毛图像。在自动提取纯眉毛区域的方法中，本文通过对灰度变换、阈值分割、形态学处理等图像处理的基本方法进行组合使用，来达到消除头发，眼睛以及其他噪声影响的目的，实现纯眉毛区域的自动提取。 (2)眉毛特征提取：采用稀疏保持映射的方法提取眉毛特征，并分析出了使用该方法提取的特征的优劣与稀疏权向量密切相关。进而提出了一种Radon变换和稀疏保持映射相结合的特征提取方法，该方法能够得到更好的稀疏权向量，从而对特征提取起到更为积极的影响。 (3)识别：在模式识别领域，最终的识别可以采用单一分类器或者集成分类器来完成。本文在识别阶段不仅使用了由最近邻(1-NN)分类算法构成的单一分类器，而且在两类问题属性Bagging算法的基础上提出了适用于眉毛识别的多类别分类问题属性Bagging算法，并对其错误率的边界进行了研究。 (4)本文将不同的特征提取方法和识别算法进行组合，形成了三种眉毛识别方法，它们是：基于稀疏保持映射的眉毛识别方法(SPP)，该方法结合了稀疏保持映射的特征提取方法和1-NN分类算法；基于Radon变换和稀疏保持映射的眉毛识别方法(RadonSPP)，该方法结合了基于Radon变换和稀疏保持映射的特征提取方法与1-NN分类算法；融合稀疏保持映射和多类别属性Bagging的眉毛识别方法(ABRSPP)，该方法结合了稀疏保持映射的特征提取方法和多类别分类问题属性Bagging算法。 本文分别用上述三种方法在公开的BJUT眉毛数据库上进行了实验，并对实验结果进行了分析。这些实验取得了较好的识别效果，验证了上述方法的可行性和有效性。在不同的维数中，使用SPP、RadonSPP和ABRSPP方法取得的最高识别率分别达到了82.8％、87.1％和91.96％。 今后的研究方向主要包括：(1)进一步完善自动提取纯眉毛区域的方法；(2)RadonSPP方法的错误率边界的研究。