基于Curvelet變換和改進(jìn)Isomap算法的人耳識別.pdf

1、人耳識別作為一種新的生物特征識別技術(shù)，由于人耳獨(dú)特的生理特征和突出的觀測角度優(yōu)勢，越來越受到專家和學(xué)者的關(guān)注。它既可以作為一種生物特征單獨(dú)用于身份的鑒別與判斷，也可以與人臉、步態(tài)、虹膜等其他生物特征結(jié)合在一起，構(gòu)成多特征組合識別系統(tǒng)，因此人耳識別具有巨大的研究價(jià)值和廣泛的應(yīng)用前景。
　　本文在研究經(jīng)典Isomap算法的基礎(chǔ)上，針對其缺點(diǎn)提出了兩種不同的改進(jìn)算法，與Curvelet變換相結(jié)合，建立了一個(gè)完整的人耳識別系統(tǒng)。該系統(tǒng)由圖

2、像預(yù)處理、特征提取、空間轉(zhuǎn)換、特征降維、特征分類五個(gè)模塊組成。在圖像預(yù)處理模塊中，研究了Curvelet變換的原理及其方法，結(jié)合人耳圖像曲線信息豐富的特點(diǎn)，把Curvelet變換應(yīng)用到人耳圖像的去噪預(yù)處理中。在特征提取模塊，采用逆Curvelet變換用Curvelet系數(shù)重構(gòu)圖像，作為表征人耳的特征。在空間轉(zhuǎn)換模塊，研究了圖像歐氏距離的相似性度量方法，并嵌入到Isomap算法中，以克服Isomap算法對噪聲和擾動(dòng)敏感的缺點(diǎn)。在特征降維模

3、塊，首先研究了Isoamp算法相關(guān)理論及存在的問題，針對其對新增樣本泛化能力差的缺點(diǎn)，提出了基于流形重構(gòu)的Isomap算法用于高維樣本特征的維數(shù)約簡。在特征分類模塊，將基于Curvelet變換和圖像歐氏距離的低維特征向量用最近鄰分類器進(jìn)行分類。
　　實(shí)驗(yàn)結(jié)果表明：
　?。?）基于Curvelet變換的去噪方法使圖像的信噪比有很大的提高；
　?。?）采用Curvelet系數(shù)重構(gòu)圖像的特征提取方法可以進(jìn)一步降低圖像中的噪聲

4、，使系統(tǒng)具有較強(qiáng)的噪聲魯棒性，當(dāng)噪聲強(qiáng)度越大時(shí)，Curvelet變換所體現(xiàn)的效果越顯著；
　?。?）圖像歐氏距離度量具有一定的平滑作用，可以降低偏轉(zhuǎn)角度和噪聲的影響；
　　（4）基于流形重構(gòu)的Isomap算法對訓(xùn)練樣本采用全局非線性結(jié)構(gòu)保持的思想，利用Isomap算法計(jì)算低維表示，對新增樣本，利用局部線性的思想，保持局部線性關(guān)系不變，可以快速準(zhǔn)確地用低維訓(xùn)練樣本重構(gòu)新增樣本的低維表示；
　?。?）基于Curvelet變