[发明专利]利用改进Hausdorff距离提取识别人耳特征的方法

说明书

技术领域

本发明属于基于人体生物特征的个人身份识别技术，特别涉及利用改进Hausdorff距离提取识别人耳特征的方法。

技术背景

人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术。人耳具有的独特生理特征和观测角度的优势，使人耳识别技术具有相当的理论研究价值和实际应用前景。人的外耳分耳廓和外耳道，人耳识别的对象实际上是外耳裸露在外的耳廓，也就是人们习惯上所说的“耳朵”。一套完整的人耳自动识别系统一般包括以下几个过程：人耳图像采集、图像的预处理、人耳图像的分割、特征提取和人耳图像的识别。

Hausdorff距离作为一种距离测度，常用于衡量两个点集合之间的相似程度，对于像素点的位置的波动性比二值化相关技术有更好的鲁棒性。由于使用Hausdorff距离作为距离测度时无需考虑两个点集中的点与点之间的对应关系，因此可以有效地解决当图像中存在噪声时的识别问题。另外，Hausdorff距离模板匹配的方法不需要进行复杂的光流计算或图像分割匹配。正是由于上述优良特性，它常被用来实现对一般目标物体的识别及跟踪检测，如地形匹配、红外遥感图像匹配、车牌字符识别等。

同样的，Hausdorff距离也可用于对人耳的识别当中。由于人耳的边缘对光照不敏感，在用数码设备采集人耳图像的时候人耳边缘相对的不容易受到外界光照变化的影响。所以，可将得到的人耳图像的边缘转换为二值图像(0，1表示)，经过处理后得到“标准人耳边缘图像”，并采用Hausdorff距离进行人耳识别。但由于Hausdorff距离是一个最大最小距离，所以它对人耳图像中的噪声还是很敏感的。在人耳识别中，尽管可能是两个非常相似甚至相同的人耳边缘图像，但是由于一些伪轮廓(非人耳主轮廓线段)的存在，也会使Hausdorff距离的计算产生很大的误差。而且边缘检测本身就是一个不确定的问题，边缘定义通常是很模糊的，区分边缘点和噪声点十分困难。因此这也影响到了Hausdorff距离的计算，故需要对传统Hausdorff距离进行改进，以提高基于人耳边缘特征信息的人耳识别率。

发明内容

本发明的目的是提供一种利用改进Hausdorff距离提取识别人耳特征的方法。采用本发明方法，通过标准方差和边缘线段间长度差改进的Hausdorff距离，减小了点集非轮廓边缘线段点(外野点)的影响，得到较好的抗噪性能，增强了基于Hausdorff距离获得的特征值用于人耳边缘图像识别的准确性，使得对人耳的识别率大大提高。

本发明的技术内容如下：

对人耳图像进行预处理，包括人耳图像的采集、非肤色噪声的去噪、空间尺寸归一化和光照补偿等，利用基于灰度形态学梯度和局部阈值分割的方法获得人耳边缘图像。用标准方差和边缘线段间长度差改进原有的Hausdorff距离算法，用于描述人耳边缘图像的特征信息，具体的步骤如下：

(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；

(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。

基于标准差和边缘线段间长度差改进的Hausdorff距离(Length&StandardDeviation Modified Hausdorff Distance，LSDMHD)同现有的Hausdorff距离(Hausdorff Distance，HD)，平均Hausdorff距离(Modified HausdorffDistance，MHD)相比，对Hausdorff距离来说，给定两个有限点集A＝{a₁，a₂，...a_m}和B＝{b₁，b₂，...，b_n}，它们之间的Hausdorff距离定义如下：

H(A，B)＝max[h(A，B)，h(B，A)]

其中：