基于BP神經(jīng)網(wǎng)絡(luò)的人耳識(shí)別研究.pdf

1、分類號(hào)——UDC密級(jí)金亞學(xué)校代碼!!!!!劣多凄理歹大浮學(xué)位論文題目叁主曼里盈絲圈鱉魚厶至叢墨!塹窒英文ResearchonEarRecognitionBased題目onBPNeuralNetworks研究生姓名垡墮墮指導(dǎo)教師姓名菱鏊叁職稱申請(qǐng)學(xué)位級(jí)別碩士430070論文提交日期呈Q!!生三旦論文答辯日期!Q!!生!旦學(xué)位授予單位蹙墊里三苤堂學(xué)位授予日期塑蘭暈繒答辯委員會(huì)主席鴛，絲章評(píng)閱人綻絲立2012年5月摘要生物特征識(shí)別是利用人類特

2、有的生理或行為特征對(duì)個(gè)人身份進(jìn)行識(shí)別的技術(shù)。它提供了一種高可靠性、高穩(wěn)定性的身份鑒別途徑。人耳識(shí)別作為這一領(lǐng)域的一個(gè)新的分支，同時(shí)也是模式識(shí)別和計(jì)算機(jī)視覺(jué)極具挑戰(zhàn)性的課題之一。與其他生物識(shí)別技術(shù)相比，人耳有其獨(dú)特的生理和結(jié)構(gòu)優(yōu)勢(shì)，使得它在公共安全、信息安全等領(lǐng)域有著潛在的應(yīng)用前景，越來(lái)越受到人們的關(guān)注。本文針對(duì)目前人耳識(shí)別中存在的一些問(wèn)題做了相關(guān)研究，主要有以下幾個(gè)方面。首先，本文對(duì)人耳圖像進(jìn)行預(yù)處理，運(yùn)用中值濾波進(jìn)行平滑處理處理、雙線

3、性差值進(jìn)行尺寸歸一化處理、直方圖均衡化進(jìn)行光照歸一化處理。然后，對(duì)預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)，通過(guò)對(duì)多種經(jīng)典邊緣檢測(cè)算子實(shí)驗(yàn)結(jié)果比較，本文采用一種標(biāo)記分水嶺算法并將其應(yīng)用于入耳的邊緣檢測(cè)。這使得特征提取時(shí)只需處理入耳區(qū)域本身，提高了特征信息的有效性。在獲得了有效人耳區(qū)域的基礎(chǔ)上，對(duì)其進(jìn)行特征提取。先用主成分析方法(PCA)對(duì)圖像進(jìn)行降維處理，提取出人耳的主成分，由于PCA方法的分類效果差，而局部二進(jìn)制模式方法(LBP)是一種很好的紋理描

4、述算子，具有很強(qiáng)的分類能力，所以在提取主成分之后，再用LBP對(duì)其進(jìn)行特征提取，并將提取出的特征用于后續(xù)的訓(xùn)練和識(shí)別。這兩種特征提取方法相結(jié)合不僅能提高識(shí)別率，而且也能減少訓(xùn)練時(shí)間。在訓(xùn)練階段采用兩種方法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，兩者的差別只是輸入不同。一種是把分割后的圖像用PCA降維后直接作為網(wǎng)絡(luò)的輸入，另一種是把PCA降維后的圖像用LBP對(duì)其進(jìn)行特征提取后，再作為網(wǎng)絡(luò)的輸入。并把訓(xùn)練好的網(wǎng)絡(luò)用于識(shí)別。由于人耳在采集的過(guò)程中會(huì)受到光照、抖動(dòng)等的影