[发明专利]融合小波分析与矩特征的人耳图像识别方法

说明书

技术领域

本发明涉及一种人体生物特征的个人身份识别技术，特别涉及一种融合小波分析与矩特征的人耳图像识别方法。

背景技术

近年来，生物鉴别受到越来越多研究人员的关注。它在几乎从身份认证到通道入口安检的各个方面中都发挥了重要作用。但是现阶段大部分生物鉴别技术都对其工作环境有苛刻的要求，因而限制了其适应范围。所以研究人员都努力在寻找新的生物鉴别技术，人耳识别就是其中一种新型识别技术，国内外对其研究的都很少。人耳识别技术以其独特的生理特征和观测角度，使它具有相当的理论研究价值和实际应用前景。它涉及到生物特征提取、计算机视觉、图像处理、模式识别和身份认证技术等诸多领域。

人耳不仅具有与其他个体生物特征共同之处，还具有一些独特的特征：结构稳定，不受面部表情的影响，位置固定，样本采集不会有相关的卫生问题，也不会使人紧张，更容易为人接受。并且尽管人耳比人脸、掌纹要小，但比虹膜、视网膜、指纹大，也容易采集。人耳检测和识别技术正在成为生物特征检测和识别领域的又一热点。

非接触生物特征鉴别技术在安全、金融、法律、人机交互等领域具有广阔的应用前景，因此得到了研究人员的广泛关注。人耳识别技术作为其中之一，具有巨大的发展潜力和广阔的应用空间。但经摄像头、照相机采集的照片往往是因为不同的时刻而具有不同的光照亮度，而且还有严重的光照不均。单独采用任何一种矩不变量作为特征提取都不能取得很好的识别效果。因而需要寻找一种更好的提取识别人耳特征的方法。

在使用数字图像进行模式识别与检测的研究中，研究人员提出了众多特征提取的方法，但是每种方法都有自己特定的应用范围。由于矩不变量具有平移、旋转和尺度不变性，所以它成为使用比较广泛的特征提取方法。但是对图像全局提取特征量的不变矩(如Hu矩、Zernike矩等)有计算量大、受噪声影响较大等缺点。因此仅适用于分类具有显著差别的模式，而无法区分只有细微差别的相似模式。D.Shen和Horace.H.S提出的小波矩不变量可以克服以上缺点，利用它不仅可以得到图像的全局特征，而且也可以得到图像的局部特征，因而在识别相似物体方面具有更高的识别率。目前小波矩不变量的计算式如下：

‖F_m，n，q^wavelet‖＝‖∫S_q(r)ψ_m，n(r)rdr‖

其中：

S_q(r)＝∫f(r，θ)e^jqθdθ

式中，‖F_m，n，q^wavelet‖为小波矩不变量值；S_q(r)是在极坐标中计算的量，f(r，θ)为极坐标图像，θ为像素在极坐标图像中的角度，r是极坐标中像素的极径；ψ_m，n(r)为二进小波基函数；e^jqθ是变换核的角度分量，e是自然对数的底，j是虚数单位，m、n、q为整数。

上述计算式在计算小波矩不变量时需要使用坐标转换，将数字图像从直角坐标系中变换到极坐标系，这样变换后会增加转换误差，导致小波矩不变量值不准确。另一种方法则采用显性小波对小波矩不变量进行计算，但这种方法难以将mallat快速算法融入其中，计算速度低。而且因光照不均、光照强度变化、噪声干扰等情况也会影响识别率。

发明内容

本发明的目的在于提供一种融合小波分析与矩特征的人耳图像识别方法，它通过小波模极大值与改进小波矩不变量算法对人耳特征值进行提取，不但计算准确度高、计算速度快，并可以提高在光照不均、光照变化、噪声干扰环境下采集的人耳图像的识别率。

本发明的目的是这样实现的：

(1)对采集的人耳图像进行预处理：

用小波变换模极大值对采集的人耳图像去噪，提取人耳图像边缘，得到小波分解各尺度下模极大值边界图像；

(2)提取人耳图像的特征值：

利用改进的小波矩不变量算法计算小波矩不变量值，用于提取人耳图像的特征值；

(3)识别人耳：

将步骤(2)得到的人耳图像的特征值进行加权以及分类，对人耳进行识别。所述人耳图像的去噪和人耳图像边缘提取的步骤如下：

1)利用小波模极大值及小波变换，实现人耳图像的去噪处理；

具体步骤为：

对图像进行多尺度的小波变换，得到各个尺度下的极大模值和幅角。