资源描述：
《一种基于lbp和dlda的人耳特征提取方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、一种基于LBP和DLDA的人耳特征提取方法第32卷 第1期河北理工大学学报(自然科学版)Vol132 No112010年2月JournalofHebeiPolytechnicUniversity(NaturalScienceEdition)Feb.2010:167420262(2010)0120039204一种基于LBP和DLDA的人耳特征提取方法闫晓东1,王志秦2,张 建1(11河北理工大学信息学院,河北唐山063009,21唐山学院信息工程系,河北唐山063000)关键词:人耳特征提取;LBP;LDA
2、;DLDA摘 要:本文提出了一种新的基于局部二值模式(LBP)和直接线性判别(DLDA)的人耳特征提取方法。LBP对局部纹理信息特征的提取性能和与灰度整体变换的无关性,使得其在人耳特征提取方面具有很强的优越性。采用LBP算法与直接线性判别分析算法相结合的人耳特征提取方法在识别率方面与原始图像特征提取方法相比有明显提升。:TP391141 文献标志码:A0 引言随着科学技术的进步与发展,生物特征识别越来越多地引起人们的关注。指纹识别、虹膜识别等已经得到较广泛应用,但目前的生物特征识别系统对环境的要求太高,还
3、不能达到高效、非打扰、识别率高等效果。人耳识别是一种新的识别方法,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等[1]。目前人耳识别方法主要有主元分析法、神经X络方法、几何学和遗传局部搜索方法等的识别方法,其中基于整体特征提取的线性判别分析方法理论较完善,应用较广泛,
4、取得了较好的实验效果。1 人耳特征提取方法在人耳识别系统中,人耳识别的分类器设计要利用到样本集的特征向量,特征向量中的每一维都是样本的一个特征。很显然这些特征的选择是非常重要的,它对分类器的设计及其性能有很大的影响。假设对不同类别这些特征的差别很大,那就比较容易设计出具有较好性能的分类器。因此,人耳的特征选择和提取是人耳识别中的一个关键问题[2]。选择合适有效的特征量来描述人耳使得识别时处理速度快、效果好。基于主元分析(PCA)的特征提取是模式识别中一种常用的特征提取方法。通过求解训练样本散布矩阵的特征值
5、问题,给出一组数量小于样本空间维数的正交基,利用这组基的线性组合可以最充分地表征样本,而样本在子空间中的投影向量就是所提取的特征。PCA在确保数据信息丢失最少的原则下,能够用较少数量的特征参数对样本进行描述,实现对高维特征数据的降维处理。主元分析方法创建的子空间可以最充分地表征样本,具有去相关和能量集中的良好特性,但没有考虑到类内、类间的差异,因此不能获得最好的分类结果。线性判别分析(LDA,LinearDiscriminateAnalysis)则以实现最佳可分性为目的,它所生成的子空间可以使样本类间离散
6、度和类内离散度的比值达到最大,比PCA更适合模式识别问题[3]。线性判别分析首先定义了两个矩阵,分别为类间离散度矩阵与类内离散度矩阵,其中类间离散度矩阵代收稿日期:2009205212表的意义为不同类别间的散布程度,也可以说是不同类别中心点的距离,而类内离散度矩阵则代表同一类别内特征点的散布程度或是同一类内特征点与该类别中心点的距离。根据Fisher准则,找到最佳投影向量,即各类样本尽可能分开,类间离散度与类内离散度比值最大,则能获得最好的分类结果。LDA虽然解决了PCA在分类上效果不明显的问题,但LDA
7、在实际使用时却需要有足够的样本数,LDA在设计上常会发生样本数远小于样本维度的情况,这种情况被称为小样本数问题。在过去的研究中,为了解决LDA的小样本数问题,一直有许多有效的方法被提出,像D1SoOjala等提出,它是一种有效的纹理描述算子。最初的LBP算子是将3×3的邻域中的各个像素和中心像素进行比较判决,若邻域像素的灰度值大于等于中心像素的灰度,则置该邻域像素的灰度为1,否则清零。3×3邻域经过LBP运算按一定的次序排列后形成一个8位的二进制数,范围在02255之间。由于LBP算子具有良好的局域特性,
8、经变换后仍具有原图的视觉特性,图1为基本LBP算子的示意图。首先从原始图像任取一点,取其3×3邻域,以中心点像素值为阈值,比较其邻域八个像素的灰度值的大小,产生该区域的二进制模式,该模式可用二进制码表示。将二进制码转换成十进制数,即得中心像素的LBP码。图像中某区域LBP码的直方图可用来描述该区域的纹理结构。图1 基本LBP算子示意图LBP模式=11110001LBP=1+16+32+64+128=241由定义可以看出,灰度值
