基于力场转换理论的耳廓识别

本文提出了一种基于力场转换理论的人耳识别方法,在检测出耳廓边缘的基础上,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对人耳图像特征点进行定位,最终利用提取出的“势能阱”和“势能渠”实现匹配与识别,经在选用的耳廓图库上实验,错误接受率FAR为1．28％,错误拒绝率FRR为6．28％。     

基于耳廓特征的生物识别新技术

耳廓检测和特征点的定位是基于耳廓的身份识别与验证新技术研究中非常重要的一部分.耳廓具有数据采集量少,便于建库,色泽分布一致,不受丰富表情影响等诸多优势.采用快速耳廓检测和定位技术,并基于耳廓图像可逆线性变换的方法,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对耳廓图像特征点进行定位.在实验分析过程中,首先解决了耳廓自动检测,并在此基础上定位和提取耳廓特征点,通过力场模型的调整,使得场线较好的收敛于某最近似像素点,解决了力场连续性和数字图像离散性的矛盾,取得满意结果.     

基于力场收敛特征的多姿态人耳识别*

提出了一种通过提取力场收敛特征进行多姿态人耳识别的新方法。首先把人耳图像转换为力场图像,通过计算力场的散度得到人耳收敛特征,然后使用零空间线性判别分析算法进一步提取特征并分类识别。实验结果表明,力场收敛特征比最初基于力场变换的势能阱特征更为稳定,而零空间线性判别分析方法也优于传统的主元分析降维方法,更好地解决了小样本问题,识别率得到进一步提高。该方法能够有效识别多姿态人耳图像。     

改进力场转换理论的多尺度图像边缘检测算法

为了提高多尺度边缘检测算法的定位精度,更好地抑制图像中的噪声和细节,将改进力场转换理论与多尺度图像边缘检测算法相结合,提出了改进力场转换理论的多尺度图像边缘检测算法。新算法计算每个尺度下图像中各像素点的内积能量值,利用内积能量值计算各个像素点间的引力;采用自适应阈值得到每一尺度下图像的边缘;在小尺度的检测结果下定位,执行由粗到细的边缘跟踪,得到最终的边缘结果。实验结果表明,新算法可以有效地抑制噪声,提高边缘检测的定位精度。     

一种改进的GVF模型

在基于snake模型的图像分割中,搜索范围和深度凹陷区域的分割是难点.以往sanke模型的改进多是针对它的外部力场,通过比较改进的传统snake模型--距离snake、GVF和NGVF的优缺点,在不改变力场的情况下,综合它们的优点,提出一个新的模型.先采用距离snake模型使初始轮廓逼近目标物体边缘,然后结合NGVF使收敛进入目标物体的凹陷部分.实验表明该模型具有较大的捕获区且能快速收敛到物体边缘的凹陷部分,提取出感兴趣目标的轮廓.     

一种运用图像力场特性的图像拷贝检测算法

将物理学中用引力场来描述分子间相互作用的思想应用于图像处理,图像力场的计算过程中将像素看作物理学中的粒子,像素的灰度值作为粒子的质量。分析表明,图像力场能够更直观地表示图像的离散信息且与图像本身是同构的。基于图像力场特性,提出了一个称为时钟算法的图像拷贝检测算法,其用表示时钟的时分秒针的3个线段来描述图像力场的主要特性并以此来表示图像的特征。实验结果表明,时钟算法可以通过较小的开销抵抗多种攻击,对噪声类失真与几何失真都有较好的鲁棒性,且可以通过设定检测策略分析遭受的攻击类型与强度,同时检测算法的查全率与查准率可保持在较高水平。     

基于力场分析的多目标图像分割算法研究

提出基于力场分析的图像分割方法,为解决参数轮廓模型处理多对象的图像分割问题。首先分析梯度矢量流力场生成机理与力场的特点,建立真实轮廓处力场(零力场)充分条件,依据零力场充分条件生成离真实轮廓处3-5像素距离的初始轮廓线,逼近得到多对象的目标轮廓线;再引入扩散梯度矢量流力场,简化零力场识别与连接过程,降低时间复杂度。试验结果表明,方法对多目标图像分割可得到精确的结果,可以提高轮廓精确度与抗噪性,降低时间复杂度,用户可自主选择图像中感兴趣的对象,在医学图像处理、遥感测绘领域有一定应用价值。     

使用梯度卷积外力场的Snake算法及其医学应用

针对经典Snake算法以及GVF Snake算法容易受到图像噪声点的干扰而无法正确逼近目标物体边界的问题,提出了一种新的Snake外力场——通过边缘映射图的卷积方式扩展形成的梯度卷积外力场GCF。实验证明,基于这种GCF外力场的Snake算法在图像包含大量噪声的情况下,既能保留边缘信息又排除掉噪声带来的不良影响,正确收敛到目标物体的真实边界上,而且在深凹部位的收敛速度远远快于GVF Snake。将该算法应用于CT肺实质分割中,符合临床精确度要求。     

先验形状力场参数活动轮廓模型及其医学图像分割

先验形状参数活动轮廓模型是一种抗噪声干扰稳定的图像分割方法．它具有对弱边缘、凹区域进行分割的能力,同时有较大的边缘捕捉范围．通过引入一种非距离性的先验形状力场,构建一种新的能反映先验形状的参数活动轮廓模型．新的先验形状活动轮廓模型避免了曲线之间距离的计算,减少了模型的复杂性．新的方法可以较好地解决传统型参数活动轮廓模型的一些本质缺陷.实验对带噪声且为弱边缘的医学CT图像和超声图像进行分割能得到理想的边缘轮廓.     

LTA和FAU型分子筛吸附CO2力场的研究

采用巨正则系综的蒙特卡罗法,由通用力场Universal、Pcff、Dreiding和Cvff模拟CO2在LTA(4A和5A)和FAU型(NaX和NaY)分子筛上的吸附行为.计算结果显示,现有的通用力场已不适用于分子筛吸附CO2的体系,需要优化力场.CO2在分子筛上吸附是通过分子间非键能发生作用,而文献中优化力场常用的量子化学计算法,虽然求得的分子内键作用力较为精确,但对分子间作用力却不一定有效,特别是范德华力.而计算结果与实验数据拟合法可以更真实反映分子间作用力,故采用后一种方法优化CO2/LTA型分子筛的力场.所得力场参数既适合CO2与5A分子筛吸附体系又适合CO2在4A分子筛上的吸附,但根据LTA型分子筛得到的优化力场不能正确描述FAU型分子筛的吸附行为.采用拟合实验数据的方法,同样得到1组适合NaY分子筛的优化力场,用于计算NaX分子筛的CO2吸附等温线,结果与实验值相吻合.可见,骨架结构相同的分子筛,可以用相同的力场参数去计算其吸附性质,而不受硅铝比和骨架外阳离子的影响.但不同的骨架结构需要不同的力场参数来描述.     

基于核函数的Fisher判别分析算法在人耳识别中的应用

针对人耳图像自身的特点,并通过对现有生物识别技术的研究,本文尝试采用了一种基于核函数的Fisher判别分析算法对人耳进行识别。该算法不仅可以有效地提取人耳特征,获得较高的识别率;而且还可以解决因为光照和人耳旋转角度等因素带来的非线性问题。实验表明:采用基于径向基核函数的Fisher判别分析算法对人耳图像进行识别,其识别率最高,为98.701%。     

基于CCA的人耳和侧面人脸特征融合的身份识别*

鉴于人耳和人脸特殊的生理位置关系,从非打扰识别的角度出发,提出仅采集侧面人脸图像,利用典型相关分析的思想提取人耳和侧面人脸的关联特征,进行人耳和侧面人脸在特征层的融合.实验结果表明,此方法与单一的人耳或侧面人脸特征识别比较,识别率得到提高.     

Biometric recognition using 3D ear shape

Previous works have shown that the ear is a promising candidate for biometric identification. However, in prior work, the preprocessing of ear images has had manual steps and algorithms have not necessarily handled problems caused by hair and earrings. We present a complete system for ear biometrics, including automated segmentation of the ear in a profile view image and 3D shape matching for recognition. We evaluated this system with the largest experimental study to date in ear biometrics, achieving a rank-one recognition rate of 97.8 percent for an identification scenario and an equal error rate of 1.2 percent for a verification scenario on a database of 415 subjects and 1,386 total probes.     

人耳识别技术研究综述

介绍了一种新的生物识别技术--人耳识别.首先对人耳生物识别系统进行介绍,并与其他生物识别技术进行比较;重点按照识别特征的不同提取方法分别综述了各种人耳识别技术的关键技术,如PCA方法、基于神经网络方法、力场转换理论、遗传局部搜索法以及基于几何学方法和基于长轴的结构特征提取方法等分析方法.通过对各种识别方法的分析和比较,总结了影响人耳识别技术的几个因素和研究开发成功的人耳识别技术需要考虑的几个重要方面,最后提出了展望.     

鉴别矢量增强在人耳人脸多模态识别中的应用

人耳识别与人脸识别在生物特征识别领域中占有重要位置,然而,剧烈的姿态变化一直是阻碍它们在现实生活中应用的瓶颈,提出一种鉴别矢量增强算法,以解决姿态人耳和姿态人脸图像的识别问题。为了考察多模态识别的可行性和有效性,利用串联、并联（广义主元分析）和典型相关分析等融合策略,将强化后的人耳、人脸鉴别矢量进行有效融合,通过最近邻方法进行分类识别。实验结果表明,鉴别矢量强化算法可以显著提高姿态人耳或是姿态人脸单生物特征的识别率,而多模态方法又会表现出更好的识别性能。     

On ear-based human identification in the mid-wave infrared spectrum

In this paper the problem of human ear recognition in the Mid-wave infrared (MWIR) spectrum is studied in order to illustrate the advantages and limitations of the ear-based biometrics that can operate in day and night time environments. The main contributions of this work are two-fold: First, a dual-band database is assembled that consists of visible (baseline) and mid-wave IR left and right profile face images. Profile face images were collected using a high definition mid-wave IR camera that is capable of acquiring thermal imprints of human skin. Second, a fully automated, thermal imaging based, ear recognition system is proposed that is designed and developed to perform real-time human identification.     

基于KDA／GSVD和支持向量机的人耳识别

在高维、小样本的情况下使用Fisher线性鉴别分析的特征提取方法存在病态奇异问题,学者们提出了许多解决此问题的方法.针对小样本问题,并通过对现有人耳识别方法的研究,提出了一种利用KDA/GSVD算法对图像数据进行降维,运用SVM分类器对样本进行判别的人耳识别方法.此外,还对线性判别分析、广义奇异值分解和支持向量机的基本理论等内容做了简要介绍.实验证明,KDA/GSVD很好地解决了由于小样本的问题而导致的LDA算法中类内离散度矩阵不可求逆的问题,把它与支持向量机有机地结合起来,构成了一种有效的人耳识别新方法.     

一种2D+3D人耳融合识别方法研究

提出一种2D和3D模式相融合的人耳识别方法.利用基于Adaboost算法的人耳检测器在2D图像上进行人耳检测,在对应的深度图像中定位出人耳区域.对于2D人耳图像,利用核Fisher鉴别分析法进行特征提取,再利用最近邻分类器进行识别;对于3D人耳深度图,利用3D局部二值模式进行特征提取,结合几何约束和位置约束在测试耳和注册原型耳上进行特征点匹配,并利用匹配点数进行识别.最后将两者进行决策层融合.在UND人耳图像库上的实验结果表明,与单独2D或3D人耳识别相比,文中提出的2D+3D人耳融合识别方法在光照变化情况下能取得更好的识别性能.     

一种融合小波变化和张量PCA的人耳识别的算法*

小波变换具有良好的时频分析特性,而且具有较快的算法特点,同时还能起到降维的作用。张量主成分分析方法用于人耳识别能获得比PCA方法更高的识别率。综合利用这两个算法的优点,提出了一种新的人耳识别方法,对人耳图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,最后利用最近邻的方法实现人耳图像识别。实验结果表明,利用此方法与只用主成分分析识别相比,提高了识别率。