多算法融合的牛眼虹膜特征提取方法研究.pdf

1、隨著一系列食品安全事件的發(fā)生以及由牲畜帶給人類(lèi)的傳染疾病的增加，人們?cè)絹?lái)越關(guān)注食品安全與肉食品的質(zhì)量，正是這樣的需求，促進(jìn)了虹膜識(shí)別技術(shù)在肉食品可追溯系統(tǒng)中的運(yùn)用。特征提取算法作為虹膜識(shí)別技術(shù)中最重要的環(huán)節(jié)之一，對(duì)識(shí)別性能起著關(guān)鍵作用。本文針對(duì)牛眼虹膜圖像的特點(diǎn)，圍繞傳統(tǒng)Local BinaryPattern(LBP)算子進(jìn)行特征提取算法的探究，針對(duì)原始LBP算法的特點(diǎn)和不足，做出了相應(yīng)的改進(jìn)，提出新的算法和算法組合，并對(duì)提出的特征提取

2、算法性能進(jìn)行實(shí)驗(yàn)分析，主要工作有:
　　 1、提出了改進(jìn)原始LBP算法的Center Epsilon Local Binary Pattern(Cε-LBP)算法。由于原始LBP算法在提取圖像特征中具有算法簡(jiǎn)單，識(shí)別精度高的特點(diǎn)，因此我們采用關(guān)于LBP的算法對(duì)牛眼虹膜進(jìn)行特征提取?？紤]到原始LBP算法在定義中僅僅考慮與周?chē)袼氐年P(guān)系，而忽視中心像素在表達(dá)圖像特征中的作用，提出改進(jìn)LBP定義，在其原有基礎(chǔ)上添加中心像素與周?chē)?像素

3、灰度平均值的關(guān)系，并根據(jù)中心像素在表達(dá)特征時(shí)的重要性，給予其最大權(quán)重值。同時(shí)，考慮到牛眼虹膜圖像中可能存在的局部光照變化、噪聲等，在確定LBP二值的符號(hào)函數(shù)s(x)中將判斷閾值改為變量ε，以此來(lái)提高算法的識(shí)別精度。最后算法采用Chi平方距離判定兩幅圖像的特征距離，通過(guò)類(lèi)內(nèi)與類(lèi)間距離得出最佳閾值，從而得出算法的識(shí)別精度。同時(shí)，文中還對(duì)算法的局部光照魯棒性進(jìn)行了驗(yàn)證，并對(duì)圖像進(jìn)行了分塊識(shí)別，對(duì)分塊的識(shí)別算法的運(yùn)行時(shí)間及識(shí)別率進(jìn)行了比較。

4、r>　　 2、在新算法Cε-LBP的基礎(chǔ)上，結(jié)合Principal Component Analysis(PCA)算法，降低特征提取維度，提高算法識(shí)別性能。對(duì)于圖像分塊特征提取，Cε-LBP會(huì)導(dǎo)致算法的維度過(guò)大，這對(duì)圖像識(shí)別的計(jì)算量及識(shí)別性能造成影響。PCA變換允許舍棄部分特征值較小的特征向量，這在減少算法的特征維數(shù)的同時(shí)，還可以有效地抑止圖像噪聲的影響。針對(duì)不同圖像，按照使用場(chǎng)合的要求，控制損失信息量的多少。根據(jù)PCA的相關(guān)理論可以

5、知道，特征值較小的特征分量往往來(lái)自圖像中噪聲等干擾信息，因此，舍棄這些分量對(duì)于算法的識(shí)別率的提高是有利的。用PCA降維后再對(duì)提取的特征采用歐式距離進(jìn)行分類(lèi)。將識(shí)別精度與Cε-LBP的識(shí)別精度進(jìn)行對(duì)比。
　　 3、結(jié)合PCA的LBP算法中，通過(guò)類(lèi)問(wèn)距和算法效率兩種方法來(lái)分析算法識(shí)別效果。類(lèi)間距離測(cè)定選擇算法分別用歐式距離和Chi平方距離，以此來(lái)進(jìn)行牛眼虹膜匹配。通過(guò)比較ULBP算法、CS-LBP算法與本文算法的識(shí)別率，比較Cε-L