[发明专利]一种基于分块LBP融合特征和SVM的人耳识别算法

说明书

一种基于分块LBP融合特征和SVM的人耳识别算法。本发明公开了一种人耳图像识别方法，包含以下步骤：将获得的人耳图像输入到计算机中，先对人耳图像进行降噪预处理，再对人耳图像进行分块LBP和均值的特征提取，将提取的两部分特征向量进行特征融合，并在融合后的特征向量后添加类别标签，用数据训练支持向量机分类器，最后使用训练好的支持向量机分类器分类来完成人耳分类识别。

技术领域

本发明涉及一种图像识别技术领域，具体是一种基于分块LBP融合特征和SVM的人耳图像识别方法。

背景技术

随着信息技术水平的不断提高，互联网技术如今己渗透到人类的日常生活，成为不可或缺的一部分，人与人之间的交流与通信更加依赖于网络信息技术，这就出现了大量的信息安全和公共安全问题，因此探寻有效的、安全性能高的身份认证和识别方法成为当今社会的研究热点。从现有的研究发展过程来看，身份认证识别技术的发展可分为传统的身份认证识别和新型的生物特征识别两个阶段。传统的身份识别方法主要是利用密码、身份证、钥匙等来鉴别身份，存在易被泄露、窃取、丢失等缺陷，会对个人和社会造成重大经济损失。新型的生物特征身份识别(如利用指纹、人脸、人耳、声音等)主要是依据人体本身存在的生理和行为特征来区分辨别不同身份。新的身份认证技术凭借其生物特征所具备的稳定性、唯一性、安全性等优点己被广泛研究和应用，具有重大的经济实用价值和发展应用前景。自20世纪年代以来，生物特征识别的学术研究活动己逐渐活跃，如今指纹识别、人脸识别、虹膜识别、DNA识别等己广泛应用于社会生活中鉴别个体身份，给人们的生活提供安全、方便。每种生物特征都有各自的独特之处，但是也都存在各自的缺陷。

作为一种有效的生物特征识别技术，人耳识别的可行性已经得到研究的证明.人耳是一种近似刚性的生物特征体，其本身具有丰富的结构特征，满足身份验证的唯一性、稳定性和可靠性；并且，人耳识别不受表情、年龄等因素的影响，并且也不易被遮挡,无需被采集对象配合，可远距离完成。正是由于这些特点，人耳识别近年来得到了越来越多研究者的普遍关注，出现了大量人耳识别的研究工作。

发明内容

本发明的技术解决问题是:克服现有技术的不足，提供一种人耳识别方法，能够在提高识别准确率的基础上，并在图像旋转时有较好的准确率。

一种基于分块LBP融合特征和SVM的人耳图像识别方法，包括以下步骤：

A、 人耳图像预处理

B、 LBP特征提取

C、 均值特征提取

D、 特征融合

E、 通过支持向量机进行分类识别

作为本发明的进一步技术方案：所述步骤A具体是：对人耳图像进行直方图均衡化处理和降噪处理。

作为本发明的进一步技术方案：所述步骤B具体是：将人耳图像分为不同的子块，利用LBP算子对每一个子块进行计算，得到LBP统计直方图，并将所有子块的统计直方图连接成一个特征向量，利用公式进行归一化处理。

作为本发明的进一步技术方案：所述步骤C具体是：将人耳图像分为不同的子块，计算每个子块的像素均值，然后将各子块的均值相连，形成均值向量，进行归一化处理，用归一化后的均值向量表征人耳图像的分块像素均值特征。

作为本发明的进一步技术方案：所述步骤D具体是：将步骤B和步骤C提取出的两部分特征向量，利用加权融合的方法进行特征融合。并在融合后的特征向量最后添加类别标签。

作为本发明的进一步技术方案：所述步骤E具体是：按比例分为训练样本和测试样本两部分，将训练样本作为输入，用支持向量机方法训练分类器，再将测试样本输入训练好的分类器中，由分类器给出预测的样本类别标签，再与实际类别标签进行对比，统计出识别准确率。