多算法融合的牛眼虹膜特征提取方法研究.pdf

1、隨著一系列食品安全事件的發(fā)生以及由牲畜帶給人類的傳染疾病的增加，人們越來越關(guān)注食品安全與肉食品的質(zhì)量，正是這樣的需求，促進(jìn)了虹膜識別技術(shù)在肉食品可追溯系統(tǒng)中的運用。特征提取算法作為虹膜識別技術(shù)中最重要的環(huán)節(jié)之一，對識別性能起著關(guān)鍵作用。本文針對牛眼虹膜圖像的特點，圍繞傳統(tǒng)Local BinaryPattern(LBP)算子進(jìn)行特征提取算法的探究，針對原始LBP算法的特點和不足，做出了相應(yīng)的改進(jìn)，提出新的算法和算法組合，并對提出的特征提取

2、算法性能進(jìn)行實驗分析，主要工作有:
　　 1、提出了改進(jìn)原始LBP算法的Center Epsilon Local Binary Pattern(Cε-LBP)算法。由于原始LBP算法在提取圖像特征中具有算法簡單，識別精度高的特點，因此我們采用關(guān)于LBP的算法對牛眼虹膜進(jìn)行特征提取?？紤]到原始LBP算法在定義中僅僅考慮與周圍像素的關(guān)系，而忽視中心像素在表達(dá)圖像特征中的作用，提出改進(jìn)LBP定義，在其原有基礎(chǔ)上添加中心像素與周圍8像素

3、灰度平均值的關(guān)系，并根據(jù)中心像素在表達(dá)特征時的重要性，給予其最大權(quán)重值。同時，考慮到牛眼虹膜圖像中可能存在的局部光照變化、噪聲等，在確定LBP二值的符號函數(shù)s(x)中將判斷閾值改為變量ε，以此來提高算法的識別精度。最后算法采用Chi平方距離判定兩幅圖像的特征距離，通過類內(nèi)與類間距離得出最佳閾值，從而得出算法的識別精度。同時，文中還對算法的局部光照魯棒性進(jìn)行了驗證，并對圖像進(jìn)行了分塊識別，對分塊的識別算法的運行時間及識別率進(jìn)行了比較。

4、r>　　 2、在新算法Cε-LBP的基礎(chǔ)上，結(jié)合Principal Component Analysis(PCA)算法，降低特征提取維度，提高算法識別性能。對于圖像分塊特征提取，Cε-LBP會導(dǎo)致算法的維度過大，這對圖像識別的計算量及識別性能造成影響。PCA變換允許舍棄部分特征值較小的特征向量，這在減少算法的特征維數(shù)的同時，還可以有效地抑止圖像噪聲的影響。針對不同圖像，按照使用場合的要求，控制損失信息量的多少。根據(jù)PCA的相關(guān)理論可以

5、知道，特征值較小的特征分量往往來自圖像中噪聲等干擾信息，因此，舍棄這些分量對于算法的識別率的提高是有利的。用PCA降維后再對提取的特征采用歐式距離進(jìn)行分類。將識別精度與Cε-LBP的識別精度進(jìn)行對比。
　　 3、結(jié)合PCA的LBP算法中，通過類問距和算法效率兩種方法來分析算法識別效果。類間距離測定選擇算法分別用歐式距離和Chi平方距離，以此來進(jìn)行牛眼虹膜匹配。通過比較ULBP算法、CS-LBP算法與本文算法的識別率，比較Cε-L