基于特征融合的人耳识别

龙源期刊网 http://www.qikan.com.cn

基于特征融合的人耳识别

作者：陈春兰 许立志

来源：《现代电子技术》2009年第22期

摘 要:分析Zernike矩人耳特征提取和非负矩阵分解(NMF)人耳特征提取的利弊。将线性判别分析的思想融入到NMF算法中,对传统的NMF方法进行改进。介绍一种融合特征人耳识别方法:将Zernike矩和传统非负矩阵分解融合提取人耳特征,得到一个分类能力更强的人耳特征矩阵,并采用BP神经网络进行分类识别,实验结果表明,应用融合特征方法提取人耳图像特征,可以提高识别效果。

关键词:人耳识别;特征融合;Zernike矩;BP神经网络;非负矩阵分解 中图分类号:TP391

随着科技的发展,社会的进步,身份验证的要求也日益迫切,包括指纹识别、人脸识别、虹膜识别等。人脸识别已经取得了可喜的研究成果,但在实际应用中存在很多的困难:人脸是非刚体,存在表情变化会对人脸识别造成影响。

[JP2]人耳特征与其他的生物特征一样是每个人与生俱来的,为人的内在属性,具有较高的稳定性及个体差异性。而人耳特征与其他生物特征不同的是,他具有普遍性、可采集性和不可伪造性等特点。人耳有着可靠、稳定和丰富的生理特征,并且人耳作为一种生物特征,具有独特的优点:人耳不受表情、化妆的影响;不易受伤,不受耳环、眼镜架等的影响;比人脸具有更一致的颜色分布;人耳表面更小,信息存储和处理量更少别技术正引起人们的关注。[JP]

Zernike矩方法提取具有旋转不变性的人耳几何特征,具有稳定性强,有利于分类识别,但是当人耳图像受到其他因素如光照的影响时,这种识别率就会降低。改进的非负矩阵分解是将线性判别融入到传统的非负矩阵分解方法中,通过最大化样本类间差异,最小化样本类内差异,提取具有判别能力的低维人耳特征。在此将这两种具有互补性的特征串行融合,得到一个分类能力更强的特征。

1 Zernike矩方法特征提取

Zernike矩是一种正交复数矩,它利用的正交集是一个在单位圆内的正交集 设二维离散图像函数用

表示

阶Zernike不变矩表示为:

。人耳识别作为一种新的人体特征识