[发明专利]基于梯度方向直方图与局部二值模式融合的人耳识别方法

说明书

本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。

技术领域

本发明涉及一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，属于生物特征识别、深度学习、人工智能等交叉技术领域。

背景技术

人耳识别作为一种新的生物特征识别技术，其理论与应用研究在近两年受到了国内外学者更多的关注，具有重要的理论意义与实际应用价值。

人耳识别是以人耳图像作为研究对象进行特征识别，既可作为其他生物识别技术的有益补充，也可以单独应用于个体身份识别的场合。在基于生物特征的身份识别技术中，人耳识别具有众多优点，如人耳图像尺寸小、计算量小，外耳的颜色分布一致，在转换为灰度图像时信息丢失少，人耳不受表情变化的影响，可以实现非打扰式识别等。

目前人耳识别的方法按照所提取的特征来划分可以归纳为两大类:一类是基于几何特征的方法这类方法通过寻找人耳轮廓和内部结构的关键点，构建几何特征。这类方法易受光照、成像角度影响，鲁棒性较差。一类是基于代数特征的方法，例如主元分析法、不变矩Ⅲ方法、小波变换方法等。这些方法在人耳姿态变化不大、图像质量较好的情况下取得了满意的结果。然而当人耳有旋转角度变化时，其二维图像会带来较大的变形，这时传统方法的识别率会急剧下降，因此更具成本效益且更准确的人耳识别方法，还需要进行大量的研究工作。

发明内容

技术问题：本发明所要解决的技术问题是如何对输入的人耳图像使用最小距离分类器进行人耳识别，以提高对人耳识别的训练速度和准确度。

技术方案：本发明的一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，包括以下步骤：

步骤1)从人耳图像库中获取人耳的图像；

步骤2)计算人耳图像中每个像素上的特征值，分块并标准化后得到人耳图像的梯度方向直方图特征；

步骤3)用主成分分析法对人耳图像的梯度方向直方图进行空间变换，使原来的坐标投影到一个新的维度较低的并且相互正交的空间上，实现对人耳图像的梯度方向直方图特征的降维；

步骤4)计算人耳图像上每个像素的局部二值模式值，得到人耳图像的局部二值模式特征；

步骤5)将梯度方向直方图特征和局部二值模式特征的特征向量进行级联，得到新的特征向量，实现特征融合；

步骤6)输入到最小距离分类器进行分类、识别。

其中，

所述步骤2)具体如下：

步骤21)对步骤1)中获取的人耳图像进行颜色标准化处理，统一将图像转换成灰度图像，其转换公式为：H(x,y)＝0.3*R(x,y)+0.59*G(x,y)+0.11*B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别是图像中每个像素点的红、绿、蓝的色彩值，H(x,y)表示每个像素点的灰度值。

步骤22)使用Sobel算子计算图像各个像素梯度的模值和方向角:

其中，G(x,y)表示像素点的梯度幅值，α(x,y)表示像素点的梯度方向，H(x,y)表示像素点的灰度值。