一种基于改进稀疏表示的人耳图像识别方法技术

本发明专利技术公开了一种基于改进稀疏表示的人耳图像识别方法，包含以下步骤：A、人耳图像预处理；B、采用人耳稀疏表示算法对人耳图像进行处理；C、结合判别性低秩分解构造字典；D、稀疏系数求解的改进算法；E、对算法进行仿真实验；本发明专利技术基于改进稀疏表示的人耳图像识别方法能够有效解决基于稀疏表示的分类算法在人耳训练样本不足时导致识别率降低和稀疏表示求解效率较低的问题。

A Method of Ear Image Recognition Based on Improved Sparse Representation

【技术实现步骤摘要】
一种基于改进稀疏表示的人耳图像识别方法
本专利技术涉及一种图像识别
，具体是一种基于改进稀疏表示的人耳图像识别方法。
技术介绍
随着信息技术水平的不断提高，互联网技术如今己渗透到人类的日常生活，成为不可或缺的一部分，人与人之间的交流与通信更加依赖于网络信息技术，这就出现了大量的信息安全和公共安全问题，因此探寻有效的、安全性能高的身份认证和识别方法成为当今社会的研究热点。从现有的研究发展过程来看，身份认证识别技术的发展可分为传统的身份认证识别和新型的生物特征识别两个阶段。传统的身份识别方法主要是利用密码、身份证、钥匙等来鉴别身份，存在易被泄露、窃取、丢失等缺陷，会对个人和社会造成重大经济损失。新型的生物特征身份识别(如利用指纹、人脸、人耳、声音等)主要是依据人体本身存在的生理和行为特征来区分辨别不同身份。新的身份认证技术凭借其生物特征所具备的稳定性、唯一性、安全性等优点己被广泛研究和应用，具有重大的经济实用价值和发展应用前景。自20世纪年代以来，生物特征识别的学术研究活动己逐渐活跃，如今指纹识别、人脸识别、虹膜识别、DNA识别等己广泛应用于社会生活中鉴别个体身份，给人们的生活提供安全、方便。每种生物特征都有各自的独特之处，但是也都存在各自的缺陷。其中人脸特征因为它的交互友好性、非侵犯性和隐蔽提取性等优点，成为国内外生物特征识别研究的重要方向并成功开发出很多应用。但是人脸特征很难识别双胞胎，且稳定性差，容易受化妆、饰物、表情和年龄等因素影响，并且随着近年来整容行业的火热，仅仅基于人脸特征的识别技术已经很难满足实际应用的需要。指纹特征识别是目前最古老，应用最广，成本最低，技术最成熟的生物特征识别技术。但是指纹识别也因为历史原因，提取方式具有侵犯性等因素不易被人们接受。随着科技发展，声纹、笔迹等都可以通过计算机技术进行高精度的模仿，鉴别人员需要很高的专业素养，成本较高。作为一种有效的生物特征识别技术，人耳识别的可行性已经得到研究的证明.人耳是一种近似刚性的生物特征体，其本身具有丰富的结构特征，满足身份验证的唯一性、稳定性和可靠性；并且，人耳识别不受表情、年龄等因素的影响，并且也不易被遮挡,无需被采集对象配合，可远距离完成。正是由于这些特点，人耳识别近年来得到了越来越多研究者的普遍关注，出现了大量人耳识别的研究工作。鲁棒的人耳识别系统在诸多方面都有巨大的应用前景，例如门禁管理、出入境管理、法律实施和刑事侦查等方面。
技术实现思路
本专利技术的目的在于提供一种基于改进稀疏表示的人耳图像识别方法，以解决所述
技术介绍
中提出的问题。为实现所述目的，本专利技术提供如下技术方案：一种基于改进稀疏表示的人耳图像识别方法，包含以下步骤：A、人耳图像预处理；B、采用人耳稀疏表示算法对人耳图像进行处理；C、结合判别性低秩分解构造字典；D、稀疏系数求解的改进算法；E、对算法进行仿真实验。作为本专利技术的进一步技术方案：所述步骤A具体是：将原图像的RGB分量，经过加权求和，得到该像素的灰度值，并用最近邻插拟合算法完成尺度归一化。作为本专利技术的进一步技术方案：所述步骤A中对于质量低的人耳图像，如果要提取的特征对于光照变化敏感，则需要预先对图像进行去光照影响处理。作为本专利技术的进一步技术方案：所述去光照影响处理的方法包括对数拉伸和图像相加进行二次曝光。作为本专利技术的进一步技术方案：所述步骤C具体是：首先对训练样本进行低秩分解，结合低秩分解和结构不相干来进行字典学习，其次，将训练出来的判别性低秩字典和稀疏误差字典结合，作为测试时使用的字典。与现有技术相比，本专利技术的有益效果是：本专利技术基于改进稀疏表示的人耳图像识别方法能够有效解决基于稀疏表示的分类算法在人耳训练样本不足时导致识别率降低和稀疏表示求解效率较低的问题。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1：一种基于改进稀疏表示的人耳图像识别方法，包含以下步骤：A、人耳图像预处理；图像数据采集与选取合适的预处理方法是整个人耳识别系统中的首要步骤和重点环节。对人耳图像进行预处理是人耳识别技术的关键步骤，其处理结果的好坏将直接影响到后续人耳识别的精确程度。通常，利用采集装置获取的人耳图像尺度都不统一，可能有的图像尺度较大，有的图像尺度较小，这就需要利用合适的预处理方法来处理这些图像，得到图像尺度大小一致的人耳图像库，以便于后续的图像特征提取与识别，所以将原图像的RGB分量，经过加权求和，得到该像素的灰度值，并用最近邻插拟合算法完成尺度归一化。自然非控制条件下摄像头拍摄的人耳图像很容易受光照影响而很难直接得到高质量的人耳图像。对于质量低的人耳图像，如果要提取的特征对于光照变化敏感，就需要对于图像先进行去光照影响处理。常用的去光照处理有对数拉伸，图像相加进行二次曝光，基于灰度直方图，比如均衡化等等的处理方法。B、采用人耳稀疏表示算法对人耳图像进行处理；稀疏表示分类器，该分类器的识别率不再受特征的类别影响，只要正确的稀疏解被恢复，当特征维数不断增加时，基于不同特征的识别率就会收敛在同一个数值附近，稀疏表示分类器的主要思想是:当训练样本空间足够大时，对于一个类别的物体，可以由训练样本中同类的样本子空间线性表示，因此在当将该物体由构成整个样本空间的基来表示时，只有一部分属于该类物体的基的系数是不为零的，也就是说基于过完备基的表示的系数是稀疏的，这是稀疏表示思想最重要的一个先验假设。传统的SRC算法是将L2范数单位化X的每一列向量和测试向量作为冗余字典，在用L1范数最小化求解稀疏系数，最后计算残差完成分类识别。C、结合判别性低秩分解构造字典；字典学习(或者说构造字典)是稀疏表示分类器最重要的一部分，构造的字典是否为该特征空间的过完备基决定了所有样本能否通过该字典进行稀疏系数的线性表示，即能否求出近似稀疏解。传统的基于低秩分解的人耳识别只是将样本进行了低秩分解，直接将去除干扰后的图像作为字典进行分类。因此，为了增加低秩字典之间的不相关性，即提高低秩字典的判别性，约束每一类低秩字典与其他类低秩字典的F范数最小。在低秩分解的基础上增加约束项，从而训练出有判别性的字典。首先对训练样本进行低秩分解，结合低秩分解和结构不相干来进行字典学习。其次，将训练出来的判别性低秩字典和稀疏误差字典结合，作为测试时使用的字典。D、稀疏系数求解的改进算法；决定稀疏分类器识别精确度的因素主要是稀疏解的稀疏度，而稀疏度的估计就是稀疏向量中非0元素的估计，即向量L0范数。在稀疏表示中，可通过求解L0范数解得非零的稀疏系数。然而，求解L0是一个NP-hard难题，可用L1范数优化问题代替L0范数优化问题，来求解非零的稀疏表示系数。欲用坐标下降法，提出一种快速SRC算法。然后，利用坐标下降法求解测试样本在联合字典下的稀疏表示。最后，在求解的稀疏表示系数和字典的基础上，对测试样本进行类关联重构，并完成测试样本的分类识别。E、对算法进行仿真实验；对提出的算法进行仿真与实验，并且与传统的SRC和ESRC算法进行比较，来证明所提出算法改进的性能优越性。对本文档来自技高网...

【技术保护点】
1.一种基于改进稀疏表示的人耳图像识别方法，其特征在于，包含以下步骤：人耳图像预处理；采用人耳稀疏表示算法对人耳图像进行处理；结合判别性低秩分解构造字典；稀疏系数求解的改进算法；对算法进行仿真实验。

【技术特征摘要】
1.一种基于改进稀疏表示的人耳图像识别方法，其特征在于，包含以下步骤：人耳图像预处理；采用人耳稀疏表示算法对人耳图像进行处理；结合判别性低秩分解构造字典；稀疏系数求解的改进算法；对算法进行仿真实验。2.根据权利要求1所述的一种基于改进稀疏表示的人耳图像识别方法，其特征在于，所述步骤A具体是：将原图像的RGB分量，经过加权求和，得到该像素的灰度值，并用最近邻插拟合算法完成尺度归一化。3.根据权利要求2所述的一种基于改进稀疏表示的人耳图像识别方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：仲伟峰，丁一鸣，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23