基于Gabor和ILDA的人耳識別研究.pdf

1、隨著信息社會的高速發(fā)展，傳統(tǒng)的身份認(rèn)證方法（如證件、密碼、鑰匙等）已無法滿足信息安全的需求，而生物特征識別方法（指紋、虹膜、人臉、人耳等）憑借其廣泛性、獨(dú)特性、穩(wěn)定性等優(yōu)點(diǎn)，已成為一種新的身份認(rèn)證方法。在生物特征識別領(lǐng)域，人耳作為一種新型的生物特征，由于其獨(dú)特的生理位置和結(jié)構(gòu)特征，已成為該領(lǐng)域內(nèi)的研究熱點(diǎn)。目前，在人耳識別過程中，如何選擇合適的特征提取和分類識別方法最為重要。Gabor小波變換能夠很好地捕捉圖像在空間中的時(shí)域、頻域等局部

2、信息，被廣泛應(yīng)用于圖像特征提取，但是會存在提取的特征維數(shù)過高的缺陷。線性判別分析（LDA)方法是一種普遍且有效的特征降維與分類識別方法，以實(shí)現(xiàn)類內(nèi)分散度最小，類間分散度最大為目標(biāo)，能求得最優(yōu)的特征投影空間，但是會因類內(nèi)分散度矩陣奇異而出現(xiàn)LDA小樣本問題。為了解決人耳識別中出現(xiàn)的小樣本問題，本文深入研究了基于Gabor特征和改進(jìn)的LDA(ILDA)的人耳識別方法，主要工作有如下幾個(gè)方面：
　　首先，介紹了基于Gabor局部特征提取

3、的方法，全面分析了二維Gabor小波變換的原理，利用5個(gè)尺度，8個(gè)方向的局部Gabor濾波器的能量特征及圖像清晰度的對應(yīng)關(guān)系來設(shè)置和選取局部Gabor濾波器構(gòu)成局部Gabor濾波器組，減小Gabor小波變換導(dǎo)致特征維數(shù)過高的影響。
　　其次，闡述了基于線性子空間的特征提取與降維算法，深入研究了傳統(tǒng)的主成分分析法（PCA)和線性鑒別分析法（LDA)的基本原理及其各自的優(yōu)缺點(diǎn)，著重闡述了LDA算法中小樣本問題出現(xiàn)的原因、造成的影響及以

4、往的解決方法。
　　最后，在局部Gabor特征提取的基礎(chǔ)上，提出了改進(jìn)LDA(ILDA）的特征降維算法進(jìn)行Gabor特征的再提取與特征降維。在深入研究傳統(tǒng)的LDA基本原理及缺陷后，提出了選擇合適的分類識別準(zhǔn)則函數(shù)，利用凸包算法重新定義類內(nèi)分散度矩陣，保證特征降維后類別數(shù)據(jù)信息的不丟失，并且采用先降維后投影的方法，降低算法的復(fù)雜度，將降維后的特征投影到類內(nèi)分散度矩陣的零空間和非零空間，確保分類鑒別信息的完整性。
　　采用最小距