[发明专利]利用改进Hausdorff距离提取识别人耳特征的方法

权利要求书

1.利用改进Hausdorff距离提取识别人耳特征的方法，其特征在于所述方法有以下步骤：

(1)对采集的人耳图像进行预处理：

通过对采集的人耳图像的非肤色噪声的去噪及修复，采用空间尺寸归一化和光照补偿，得到标准人耳图像；

(2)人耳图像边缘特征提取：

用灰度形态学梯度和局部阈值分割相结合的方法提取人耳边缘的特征，得到标准人耳边缘图像；

(3)利用标准方差及边缘线段间长度差改进Hausdorff距离，以改进后的Hausdorff距离H_LSDMHD为最终采用标准方差和边缘线段间长度差改进后的Hausdorff距离度量；

(4)将步骤(2)中所获得的人耳边缘图像的其主要边缘轮廓分为人耳识别的4条特征线段，用改进的Hausdorff距离确定其人耳特征向量。

2.根据权利要求1所述的利用改进Hausdorff距离提取识别人耳特征的方法，其特征在于步骤(1)中非肤色噪声的去噪及修复的步骤如下：

确定的分量阈值找出符合要求的肤色区域，区分色彩高饱和区和低饱和区、分割色彩高饱和区和色彩低饱和区，其中被肤色区域包围的非肤色区域被判别为噪声区域。噪声区域由周围的肤色区域进行修复填充。

3.根据权利要求1所述的利用改进Hausdorff距离提取识别人耳特征的方法，其特征在于步骤(3)中利用标准方差及边缘线段间长度差改进Hausdorff距离的步骤如下：

对长度差异用下列公式对Hausdorff距离描述

hLSDMHD(A,B,k,t)=1NAΣa∈Aminb∈B||a-b||+kS(A,B)+tΔN]]>

hLSDMHD(B,A,k,t)=1NBΣb∈Bmina∈A||b-a||+kS(B,A)+tΔN]]>

其中，参数k为用来调节点分布信息在距离计算中所占比重的加权系数；

参数t为用来调节边缘线段的长度差异在距离计算中所占比重的加权系数；

S(A，B)表示点集A中一点到点集B中最远距离的标准方差，

S(A,B)=Σa∈A[minb∈B||a-b||-1NAΣa∈Aminb∈B||a-b||]2]]>

S(B，A)则表示点集B中一点到点集A中最远距离的标准方差，

S(B,A)=Σb∈B[mina∈A||b-a||-1NBΣb∈Bmina∈A||b-a||]2]]>

ΔN代表两个点集间点的数量的差异：

ΔN＝||N_A-N_B||

为减少非轮廓边缘线段点对距离度量的影响，对Hausdorff距离做了如下改变，令：

hLSDMHD(A,B,k,t)=hLSDMHD(A,B,k,t)NA≤NBhLSDMHD(B,A,k,t)NA>NB]]>

H_LSDMHD为最终采用标准方差和边缘线段间长度差改进后的Hausdorff距离度量。

4.根据权利要求1所述的利用改进Hausdorff距离提取识别人耳特征的方法，其特征在于所述步骤(4)中改进Hausdorff距离确定人耳特征向量的步骤如下：

设点集A是人耳特征库中的一幅“标准人耳边缘图像”，包含4条边缘线段L_A1，L_A2，L_A3，L_A4，点集B是另一幅待识别的人耳边缘图像，包含4条边缘线段L_B1，L_B2，L_B3，L_B4，测试B是否与A匹配，定义B与A的相对特征向量X_AB如下：

XAB=x1x2x3x4]]>

其中：

x₁＝H_LSDMHD(L_A1，L_B1)

x₂＝H_LSDMHD(L_A2，L_B2)

x₃＝H_LSDMHD(L_A3，L_B3)

x₄＝H_LSDMHD(L_A4，L_B4)。