多方法结合的人耳图像边缘提取方法技术

本发明专利技术提出了基于万有引力场转换、分水岭算法和Ｃａｎｎｙ算子相结合的人耳图像边缘提取方法。其包括第一：利用万有引力场转换对原始图像进行预处理，把噪声和光照的影响降低，强化边缘信息；第二：使用分水岭算法对图像进行有效的分割，获得一个只包含人耳的最小封闭区域；利用分水岭算法对人耳的外侧边缘进行提取；接着利用所提取的边缘具有封闭性的特点，分割出仅包括人耳内侧区域的图像；第三：利用Ｃａｎｎｙ算子对图像小细节敏感的特性，对内侧部分的边缘进行提取。最后将人耳图像外部和内部边缘进行合成，最终得到完整的人耳边缘曲线。本方法得出的耳朵边缘图像比较清晰完整，比单一采用其他方法效果更好，为后续特征提取及识别提供了较好基础，有望提高识别效率。

【技术实现步骤摘要】

本专利技术属于一种基于万有引力场转换、分水岭算法和Canny算子相结合的人耳图像 边缘提取方法。尤其对有噪声污染和边缘有干扰的人耳图像的处理，有望取得较高的识 别率。
技术介绍
人耳识别作为新的生物特征识别技术，越来越受到人们的关注。 一个完整的人耳识 别系统包括:人耳图像的采集、图像的预处理、边缘提取与分割、特征提取和识别。但目 前的研究更多地关注于人耳的识别特征，例如国内外比较主要的几何学方法、主元分析 法、基于长轴形状提取法、遗传局部搜索法、利用神经网络进行识别的方法等等。而针 对人耳图像边缘提取的研究却相对较少，只有北京科技大学的"基于轮廓合成的人耳识 别"和"小波分析在人耳图像边缘检测的研究"等几篇文章。边缘检测是图像特征分析 识别的基础，边缘提取的好坏直接关系到最后的识别成功率，因此迫切需要寻找一种边 缘提取效果较好又简单易行的方法。现有的图像边缘提取方法可分为三大类:一类是采用某种固定的局部运算方法， 如微分法，拟合法等；第二类是以能量最小化为准则的全局提取方法，如松弛法，神经 网络分析法等；第三类是利用小波变换、数学形态学、分形理论等高新技术。国防科大 的专家在"图像边缘提取方法和展望" 一文中做了科学的分析，在总结了各个方法的优 缺点后提出如何对现有算法进行综合利用仍然是目前研究的一个热点。在具体对人耳图像进行边缘提取时，由于拍摄条件的影响，往往会造成图像的噪声污染；同时，由于头发等遮挡物的影响，往往会造成伪边缘，这对于识别是非常不利的。 通过大量实验表明，单纯采用某一种边缘提取算法，都难以有效地提取出完整的人耳边 缘曲线。此专利技术针对这些问题，提出了利用万有引力场转换强化图像边缘，这是有别于 传统方法的新探索，并且结合分水岭算法和Canny算子进一步进行边缘提取合成，达到 了比较理想的效果。
技术实现思路
针对当前各种人耳边缘识别方法都存在过多的条件限制，边缘识别技术各有所长， 又各有不足，尚没有形成综合处理方法，本专利技术提出一种方法来强化边缘信息，进而结 合另外两种方法分别对人耳边缘外部和内部进行提取，最后合并成完整的边缘。这种方法得出的耳朵边缘图像比较清晰完整，比单一采用其他方法效果要好一些。为后续特征 提取及识别提供了较好基础，有望提高识别效率。 本专利技术的技术方案如下本构思提出了基于万有引力场转换、分水岭算法和Canny算子相结合的人耳图像边 缘提取方法。其包括第一利用万有引力场转换对原始图像进行预处理，把噪声和光照 的影响降低，强化边缘信息；第二使用分水岭算法把图像进行有效的分割，获得一个 只包含人耳的最小封闭区域；利用分水岭算法对人耳的外侧边缘进行提取；接着利用所 提取的边缘具有封闭性的特点，分割出仅包括人耳内侧区域的图像；第三利用Canny 算子对图像小细节敏感的特性，对内侧部分的边缘进行提取。最后将人耳图像外部和内 部边缘进行合成，最终得到完整的人耳边缘曲线。本专利技术的实现步骤如下(1) 人耳图像的力场转换 人耳图像的万有引力场转换就是对图像中的任意像素在力场中所受合力的计算 并处理，通过力场转换使噪声的影响降低，同时强化突出人耳边缘信息。(2) 利用分水岭算法对人耳外侧轮廓进行边缘提取A. 使用分水岭算法把图像进行有效的分割，获得一个只包含人耳的最小封闭区域， 为后续识别做准备。B. 基于人耳外侧和内侧的灰度值存在着较大差异，利用分水岭算法对人耳外侧边 缘进行提取，'这样可以较好地避免头发等遮挡物的干扰所造成的伪边缘。C. 利用分水岭算法得出的轮廓具有封闭性的特点，并结合填充算法，分割出仅包 括人耳内侧区域的图像。(3) 完整的人耳边缘曲线A. 在得到的人耳内侧区域图像采用Canny算子，尽可能地提取出人耳内部边缘 信息的细节。B. 将(2)B中得到的人耳图像外部边缘和(3)A中得到的内部边缘进行合成，最终 得到完整的人耳边缘曲线。本专利技术的优点本专利技术与其他人耳识别方法相比，具有以下几个方面的优势 (1)通过万有引力场转换算法能够将噪声的影响降低，同时强化突出边缘，得到 更清晰的边缘。此处引入一种把力场转换作为图像预处理方法的理念，这种 转换并不是用来获取势能阱，而是为强化人耳图像的边缘，这是对万有引力场转换算法的新应用。(2) 本文在提取人耳内侧区域的边缘之前，就已经利用分水岭算法分割出有效人 耳区域，避免用整幅图像来进行识别，而受周边区域的影响。只对这一有效 区域部分进行识别，有望使识别率有一定提高。(3) 利用分水岭算法对外部边缘进行提取，同时也得到了内部轮廓， 一举两得。(4) 利用信息融合的方法，把分水岭算法以及Canny算子结合起来，发挥两种算 法的优点，分别进行外部和内部的边缘提取并合成，得到为后面识别作准备 的更有效稳定的特征。利用几种方法各自的优点进行组合运用，得到的图像 边缘更为清晰完整。附图说明图1人耳边缘图像提取方法的框图 图2两种力场转换的比较图2 (a)高斯力场转换图2 (b)万有引力场转换 图3万有引力场转换对图像的处理效果图3 (a)原始图像 图3 (b)万有引力场转换图4分水岭算法得到的人耳外侧边缘图像图5利用已经提取的外侧轮廓曲线，单独抽取出人耳的内侧图像图6人耳内侧区域的提取过程7人耳内侧边缘图像 图8人耳完整边缘图像具体实施方式 本专利技术基本实现步骤如图1所示 步骤一人耳图像的力场转换对图像中的任意像素在力场中所受合力计算并处理，通过力场转换将使噪声的影响 降低，同时强化突出人耳边缘信息。力场转换(Force field transformation)理论是由英国南安普敦大学的，Mark S. Nixon， JohnN. Carter最先提出。David J. Hurley等人进行的是高斯力场转换。目的 是通过对图像的高斯力场转换，获得若干个势能阱来作为识别的特征。本专利技术通过对高斯力场转换的研究和借鉴，引入把力场转换作为一种图像的预处理方 法的理念。这种转换并不是用来获取势能阱，而是为强化人耳图像的边缘并降低噪声对 后续边缘提取过程的影响。但通过对大量实验结果的分析可以看到，利用高斯力场来对原始人耳图像进行转换，并不能起到对边缘的强化作用，如图2(a)。因此，本专利引入 了万有引力场转化的理论。由于图像是由一系列像素构成的。力场转换理论把图像的像素看作万有引力场的源头,其中像素的灰度值P代表像素的质量M,两个像素之间的距离为r,万有引力常数G为1。则通过对图像相互吸引的像素进行力场转换，可以得到图像的力'场。施加在单位灰刷度的像素上的力'、^由公式(1)给出其中"'代表施力像素的位置向量，。代表受力像素的位置向量，^")为施力像素灰度，P(。)为受力像素灰度。对于像素7',它所受的引力合力等于图像中其它像素所施加的引力向量和，如式(1)所示。取^")的模为。像素转换后的结果。对每个像素利用式(1)进行转换，其结果就是 图像的万有引力转换。以下图2 (a)和图2 (b)对比了高斯力场转换和万有引力场转换的效果，可以看出 万有引力场转换能够大大地强化图像的边缘信息。相比之下，高斯力场转换的效果就没 有这么明显，甚至对图像的边缘还有一定的钝化效果。对人耳图像进行万有力场转换就是对图像中的任意像素在力场中所受合力的计算。由于影响引力大小本文档来自技高网...

【技术保护点】
多方法结合的人耳图像边缘提取方法，其特征在于，包括以下步骤：第一：利用万有引力场转换对原始人耳图像进行预处理，对图像中的每个像素在力场中所受的合力进行计算并处理，通过力场转换使噪声的影响降低，同时强化突出人耳边缘信息；第二： 利用分水岭算法对人耳外侧轮廓进行边缘提取（１）使用分水岭算法把经步骤一处理后的图像进行分割，获得一个只包含人耳的最小封闭区域，为后续识别做准备；（２）然后利用分水岭算法对人耳的外侧边缘进行提取，避免头发等遮挡物的干扰所造成的 伪边缘；（３）利用分水岭算法得出的轮廓具有封闭性的特点，并结合填充算法，分割出仅包括人耳内侧区域的图像；第三：利用Ｃａｎｎｙ算子对人耳内侧部分的边缘进行提取，提取出人耳内部边缘信息的细节；第四：将步骤二、三分别提取的 人耳图像外部和内部边缘进行合成，最终得到完整的人耳边缘曲线。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘嘉敏，杨奇，翟亮亮，刘宇，李以农，王玲，李丽娜，谢海军，
申请(专利权)人：重庆大学，
类型：发明
国别省市：85[中国|重庆]