基于Curvelet变换和改进Isomap算法的人耳识别

摘要

人耳识别作为一种新的生物特征识别技术，由于人耳独特的生理特征和突出的观测角度优势，越来越受到专家和学者的关注。它既可以作为一种生物特征单独用于身份的鉴别与判断，也可以与人脸、步态、虹膜等其他生物特征结合在一起，构成多特征组合识别系统，因此人耳识别具有巨大的研究价值和广泛的应用前景。
　　本文在研究经典Isomap算法的基础上，针对其缺点提出了两种不同的改进算法，与Curvelet变换相结合，建立了一个完整的人耳识别系统。该系统由图像预处理、特征提取、空间转换、特征降维、特征分类五个模块组成。在图像预处理模块中，研究了Curvelet变换的原理及其方法，结合人耳图像曲线信息丰富的特点，把Curvelet变换应用到人耳图像的去噪预处理中。在特征提取模块，采用逆Curvelet变换用Curvelet系数重构图像，作为表征人耳的特征。在空间转换模块，研究了图像欧氏距离的相似性度量方法，并嵌入到Isomap算法中，以克服Isomap算法对噪声和扰动敏感的缺点。在特征降维模块，首先研究了Isoamp算法相关理论及存在的问题，针对其对新增样本泛化能力差的缺点，提出了基于流形重构的Isomap算法用于高维样本特征的维数约简。在特征分类模块，将基于Curvelet变换和图像欧氏距离的低维特征向量用最近邻分类器进行分类。
　　实验结果表明：
　　（1）基于Curvelet变换的去噪方法使图像的信噪比有很大的提高；
　　（2）采用Curvelet系数重构图像的特征提取方法可以进一步降低图像中的噪声，使系统具有较强的噪声鲁棒性，当噪声强度越大时，Curvelet变换所体现的效果越显著；
　　（3）图像欧氏距离度量具有一定的平滑作用，可以降低偏转角度和噪声的影响；
　　（4）基于流形重构的Isomap算法对训练样本采用全局非线性结构保持的思想，利用Isomap算法计算低维表示，对新增样本，利用局部线性的思想，保持局部线性关系不变，可以快速准确地用低维训练样本重构新增样本的低维表示；
　　（5）基于Curvelet变换和改进Isomap算法的人耳识别系统充分利用Curvelet对噪声抑制能力，从而弥补了改进Isomap算法对噪声敏感的不足，充分发挥其对新增样本的泛化能力，使系统具有较高的识别率和噪声鲁棒能力。
　　总之，本文人耳识别系统，既可以解决数据库中偏转角度、噪声等问题，又可以快速准确得到测试样本的类别，效率高，稳定性强。因此，希望本论文可以给人耳识别的研究提供有价值的思路。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 课题研究背景及意义

1.2 人耳识别技术及研究现状

1.3 Isomap算法的研究现状

1.4 主要研究内容及论文结构安排

2 基于Curvelet变换的图像去噪与特征提取

2.1 Curvelet变换理论

2.2 Curvelet变换在图像去噪中的应用

2.3 Curvelet变换在图像特征提取中的应用

2.4 本章小结

3 基于Isomap算法的特征降维

3.1 MDS算法

3.2 经典Isomap算法

3.3 Isomap算法应用于模式分类存在的问题

3.4 本章小结

4 基于图像欧氏距离的Isomap算法

4.1 图像的相似性度量

4.2 基于图像欧氏距离的Isomap算法

4.3 仿真实验与结果分析

4.4 本章小结

5 基于流形重构的Isomap算法

5.1 引言

5.2 LLE算法简介

5.3基于流形重构的Isomap算法

5.4仿真实验及结果分析

5.5 本章小结

6 基于Curvelet变换和改进Isomap算法的人耳识别系统

6.1 人耳识别系统

6.2 人耳图像去噪与特征提取

6.3 人耳图像的距离空间转换

6.4 人耳特征降维

6.5 人耳特征分类实验及结果分析

6.6本章小结

7 总结与展望

7.1 总结

7.2 展望

致谢

参考文献

附录

A. 攻读硕士期间发表的论文目录