基于全局和局部特征相結(jié)合的不完美牛眼虹膜識(shí)別技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩63頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著我國(guó)居民消費(fèi)水平的提高,越來(lái)越多的居民選擇營(yíng)養(yǎng)價(jià)值更高的牛肉。然而,當(dāng)受污染的個(gè)體牛及其肉制品不能被及時(shí)有效地追蹤和溯源時(shí),國(guó)民的身體健康會(huì)受到巨大的威脅。有必要對(duì)大型動(dòng)物個(gè)體進(jìn)行準(zhǔn)確追蹤和原產(chǎn)地溯源。在對(duì)飼養(yǎng)的動(dòng)物個(gè)體進(jìn)行識(shí)別管理和原產(chǎn)地溯源的過(guò)程中,虹膜識(shí)別技術(shù)近年來(lái)受到廣泛的關(guān)注和研究。將虹膜識(shí)別技術(shù)應(yīng)用在大型飼養(yǎng)動(dòng)物個(gè)體識(shí)別和原產(chǎn)地溯源領(lǐng)域,可以有效控制癢病、瘋牛病等動(dòng)物疫病的傳播,有助于提高食品安全管理水平,降低疾病發(fā)生可

2、能性,保障消費(fèi)者的合法權(quán)益。
  本文在全局和局部特征提取理論和方法的基礎(chǔ)上,考慮到牛眼虹膜的特點(diǎn),研究基于全局和局部特征相結(jié)合的不完美牛眼虹膜圖像識(shí)別問(wèn)題,并通過(guò)Matlab對(duì)牛眼虹膜識(shí)別算法進(jìn)行驗(yàn)證與分析。具體內(nèi)容如下:
  (1)在“質(zhì)量不完美數(shù)量完美”的場(chǎng)景下(即牛眼虹膜圖像存在局部遮擋、形變等質(zhì)量缺陷,但是每頭牛有多張牛眼虹膜圖像用于訓(xùn)練),本文提出基于局部保持投影的2D線性判別分析算法(2DLP-LDA)。傳統(tǒng)的

3、LDA算法僅保留樣本集的全局特征,沒(méi)有利用類(lèi)間局部信息和類(lèi)內(nèi)局部信息。2DLP-LDA在保持傳統(tǒng)LDA優(yōu)勢(shì)基礎(chǔ)上,使用LPP算法刻畫(huà)類(lèi)內(nèi)局部幾何信息,通過(guò)引入一個(gè)高斯權(quán)重函數(shù)描述類(lèi)間局部幾何信息。2DLP-LDA可以讓來(lái)自同類(lèi)的樣本在低維投影空間上緊密地聚集在一起,而不損害原有的幾何結(jié)構(gòu)信息,同時(shí)讓異類(lèi)樣本盡可能的遠(yuǎn)離。此外,本算法是基于2D圖像而不是1D向量,因此2DLP-LDA繼承了2D算法的所有優(yōu)點(diǎn)。本文在SEU牛眼虹膜數(shù)據(jù)庫(kù)上與

4、LDA(RLDA)、aPAC(LoogM et al.,2001)、LFDA(Sugiyama et al.,2007)、EFDC(Gaoetal.,2012)和CGLDA(zhang et a1.,2014)等算法進(jìn)行了對(duì)比實(shí)驗(yàn)。2DLP-LDA在SEU牛眼虹膜數(shù)據(jù)庫(kù)上表現(xiàn)突出,當(dāng)每個(gè)個(gè)體僅有2張訓(xùn)練圖像時(shí),2DLP-LDA識(shí)別率為94.07%,明顯高于其他算法。
  (2)在“質(zhì)量不完美數(shù)量不完美”場(chǎng)景下(即牛眼虹膜圖像存在局

5、部遮擋、形變等質(zhì)量缺陷,同時(shí)每頭牛只有一張牛眼虹膜圖像用于訓(xùn)練),本文提出基于虛擬圖像和多流形判別分析的單樣本圖像識(shí)別算法(Ⅵ-MDA)。Ⅵ-MDA選用水平2DPCA、垂直方向2DPCA保留圖像的全局特征,選用LBP和Gabor等特征描述子提取圖像的局部特征。與以往的流形算法不同,本算法假設(shè)不同類(lèi)的樣本具有不同的低維流形空間,即每個(gè)樣本產(chǎn)生多張?zhí)摂M圖像,這些虛擬圖像構(gòu)成一個(gè)流形,每個(gè)流形都有獨(dú)特的低維流形空間。本算法在SEU牛眼虹膜圖像

6、庫(kù)上驗(yàn)證算法的有效性,在局部遮擋的情況下,本算法識(shí)別率達(dá)到77.8%,而UP(Denget a1.,2010)只有55.6%;在形變和旋轉(zhuǎn)情況下,本算法依然能取得顯著的實(shí)驗(yàn)效果。
  (3)為了考察上述算法的泛化能力,本文在FERET、CMU_PIE等人臉數(shù)據(jù)庫(kù)上與多個(gè)算法進(jìn)行對(duì)比實(shí)驗(yàn)。2DLP-LDA在FERET人臉數(shù)據(jù)庫(kù)上識(shí)別率依然具有競(jìng)爭(zhēng)優(yōu)勢(shì),當(dāng)每類(lèi)樣本中的訓(xùn)練樣本很少時(shí)(不超過(guò)4),2DLP-LDA識(shí)別率最高。Ⅵ-MDA在

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論