基于局部特征和稀疏表示的鲁棒人耳识别方法  

Robust ear recognition using sparse representation of local features

作　　者：黄宏博[1,2] 穆志纯[1] 张保庆[1] 陈龙[1] 

机构地区：[1]北京科技大学自动化学院,北京100083 [2]北京信息科技大学计算中心,北京100192

出　　处：《工程科学学报》2015年第4期535-541,共7页Chinese Journal of Engineering

基　　金：国家自然科学基金资助项目(61472031;61170116);教育部博士学科专项科研基金资助项目(20100006110014)

摘　　要：作为图像局部特征区域的有效描述方法,局部二值模式是目前对二维图像最有效的纹理分析特征之一.本文提出了基于局部二值模式特征的稀疏表示人耳识别方法.该识别算法首先提取训练人耳图像的局部二值模式特征描述子作为稀疏表示的字典,然后将测试样本的局部二值模式特征描述子表示为字典中所有局部二值模式原子的稀疏线性组合,最后通过求解稀疏表示模型得到稀疏编码系数,根据测试人耳图像的重建误差进行识别.在UND-J2人耳库和USTB人耳库上的实验结果表明,基于局部二值模式特征的稀疏表示人耳识别方法对人耳图像光照变化、姿态变化以及人耳遮挡具有更好的鲁棒性,实现了更高的识别率.As a local image feature description approach, LBP （local binary pattern） is regarded as one of the most effective tex- tural features to describe images. In this paper, a general classification algorithm via sparse representation of LBP features is proposed for ear recognition. This algorithm expresses LBP features of the input ear image as a sparse combination of LBP features extracted from all the training ear images. The recognition performance for salt and pepper noise, Gaussian noise and various levels of random occlu- sion in which the location of occlusion is randomly chosen to simulate real scenario is investigated. Experimental results on USTB ear database reveal that when the test ear image is contaminated by noise or is occluded, the proposed approach exhibits a greater robust- ness and achieves a better recognition performance.

关 键 词：机器视觉 稀疏表示 二值模式 人耳 模式识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]