人耳識別中歸一化對特征提取和識別影響的研究

摘要：介紹了常用的歸一化方法，對歸一化前后的圖像進行比較，并通過試驗分析不同歸一化方法對特征提取和分類識別的影響。

關鍵詞：人耳識別；歸一化；特征提取

中圖分類號：TP391文獻標識碼：A文章編號：1009-3044(2008)36-2984-02

The Research of The Impact of Normalization For Feature Extraction And Recognition on Ear Biomitrice Recognition

LI Su-juan， FENG Jun， NIU Jiang-chuan

(Computer and Information Engineering Dept.， Shijiazhuang Railway Institute， Shijiazhuang 050043， China)

Abstract: Introduced the method of normalization that commonly used， compared the image that before and after normalized and analysed the infection the different normalization to the feature extraction and classification through the test.

Key words: ear recognition; normalization; feature extraction

1 引言

人耳識別是近年興起的一項生物識別技術，具有巨大的潛力和廣闊的發展空間，而人耳圖像的預處理是一項關鍵的技術，為特征提取和識別提供高質量的圖像，提高識別率。下面主要研究圖像的歸一化及其對特征提取和識別的影響。

2 歸一化的主要方法

歸一化主要包括灰度歸一化和幾何歸一化，灰度歸一化是指對圖像進行光照補償等處理，光照補償可在一定程度上克服光照變化的影響提高識別率。幾何歸一化是對圖像進行旋轉和放縮，將其歸一化到同樣的位置和大小。

2.1 灰度歸一化

由于在圖像獲取或傳輸過程中使圖像失真，發生顏色變淺、圖像對比度降低、圖像模糊等現象，為了改善這種狀況，需要對圖像進行預處理。直方圖是圖像預處理中最重要的概念之一，它描述了一幅圖像的灰度級內容。在實際中，往往需要根據特定的目的改變直方圖的形狀，其方法主要有灰度直方圖均衡化、灰度的線性變換和分段線性變換。

直方圖均衡化是比較常用的方法，它的的基本思想是將原始圖像的直方圖變換為均勻分布的形式達到增強整體圖像對比度的效果，使許多細節可以看的比較清楚，如圖1。從直方圖來看，處理后圖像的直方圖分布更均勻了。但這種方法會減少灰度級，使某些細節消失。或過分增強對比度，而且具體增強效果不易控制。

圖1 直方圖均衡化前后的圖片對比

圖2 均衡化前后的直方圖對比

2.2 幾何歸一化

除了進行灰度處理外，如果采取代數特征提取法進行分類識別，必須對圖片進行幾何歸一化處理，幾何歸一化主要包括對圖片進行旋轉、放縮，將圖像變化到統一的大小。目前主要有以下幾種方法：1）長軸歸一化方法2）兩點歸一化方法

長軸歸一化的主要過程為找到人耳邊緣輪廓上距離最大的兩個點，它們之間的連線定義為長軸，求出長軸與y軸的夾角，將圖片旋轉到長軸垂直于水平軸。根據長軸的兩個端點和人耳的最左點和最右點對人耳進行分割，如圖3所示。

兩點歸一化的主要過程，也就是利用外耳輪廓的起點和終點即三角窩和耳屏間肌切跡，將這兩點連線的長度及其方向作為人耳的大小和方向進行歸一化。如圖4所示。

圖3 外耳輪廓長軸標記法

圖4外耳輪廓起始點標記法

圖5 歸一化前后的圖片

以上兩種歸一化方法都對圖片進行了放縮，容易引起人耳的形變，影響特征的提取。為了避免這種情況本文提出了以下圖片居中的方法，將通過長軸法或兩點法得到的人耳，找到所有樣本圖像寬的最大值和高的最大值，新建一些具有最大寬和高的圖片，直接將原有圖片放在這些具有同樣大小的空圖片上，在不改變圖像形狀的情況下將圖片放大或縮小到同樣的大小。如圖5所示。

這一方法雖然沒能提高識別率，但考慮到對圖片進行放縮引起人耳的變形是一個不可忽視的問題，如何更好的避免它對特征提取和分類識別的影響也是值得大家思考的。

2.3 不同歸一化方法對特征提取和識別的影響

鑒于歸一化方法的不同，為了比較各種歸一化方法對特征提取和分類識別造成的影響。下面我們采用有77個人，每人4幅圖，共308幅灰度圖像組成的人耳庫，分別取自相同的光照和不同的姿態，歸一化到98x50像素的大小，用前3個樣本作為訓練樣本，后1個樣本作為測試樣本。用PCA特征提取結合模版匹配的方法進行人耳識別，下面是各種方法結合得到的識別率，如表1。

表1各種歸一化方法的比較

3 總結

從識別的結果可以看出，圖像的歸一化對特征提取和識別有很大的影響。用長軸法進行幾何歸一化后的識別率低于用兩點法進行幾何歸一化后的識別率，這是因為長軸法得到的人耳圖像的背景多于兩點歸一化得到的人耳圖像的背景，另外這兩種方法都是手動或半自動分割人耳，得到的人耳分割圖像不很理想。如何能通過自動分割方法更好的分割人耳提高人耳分割速度和識別率是我們值得研究的問題。