耳紋圖像特征的三維識別技術研究

尤鴻霞　黃艷艷

摘 要： 為了提高對耳紋圖像的三維識別能力，提出一種基于脊波變換的耳紋圖像分塊特征提取和三維識別技術。采用二維傅里葉變換方法進行耳紋圖像的亞像素級特征分解，結合區域網格徑向劃分方法進行圖像分割，對耳紋圖像的子塊像素點進行自適應融合濾波，實現圖像降噪，使用脊波變換進行耳紋圖像三維特征重構，使用多尺度Retinex信息增強方法輸出圖像的辨識特征點，實現耳紋圖像三維識別。仿真結果表明，采用該算法進行耳紋圖像特征識別的精度較高，圖像輸出質量較好。

關鍵詞： 耳紋圖像； 特征提取； 三維識別； 脊波變換； 圖像分割

中圖分類號： TN919?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）22?0091?04

Abstract： In order to improve the 3D recognition ability for the ear print image， an ear print images block feature extraction and 3D recognition technology based on ridgelet transform is proposed. The two?dimensional Fourier transform method is used to decompose the sub?pixel feature of the ear print image， and combined with the regional grid radial partition method for image segmentation. The subblock pixel points of the ear print image are performed with the adaptive fusion filtering to denoise the image. The ridgelet transform is adopted to carry out the 3D feature reconstruction of the ear print image. The multi?scale Retinex information enhancement method is employed to output the identification feature points of the image to realize the ear print image 3D recognition. The simulation results show that the algorithm has high precision for ear print image feature recognition and high image output quality.

Keywords： ear print image； feature extraction； 3D recognition； ridgelet transform； image segmentation

0 引 言

耳紋是人體的重要生命特征，耳紋如同指紋特征一樣能有效反應人與人之間個體的差異性，因此，可以通過對耳紋特征三維識別進行人體辨識，以此應用在刑事偵查和警察辦案中，具有很好的人體識別性能。對圖像的三維識別是利用光學投影技術進行數字化信息重建，利用圖像特征分布和三維放射特性進行圖像數字化重建DRR（Digital Reconstructed Radiograph），結合直接體繪制技術對耳紋三維重建圖像的區域分割，通過模擬圖像的點分布和邊緣輪廓分布模型實現圖像三維全息投影，在全息投影中進行圖像的特征提取和三維識別。傳統的耳紋圖像是三維識別采用紋理分割方法[1]，在對大規模的耳紋圖像處理時的實時性不好，不能實現批量圖像的自適應篩選。針對上述問題，本文提出一種基于脊波變換的耳紋圖像分塊特征提取和三維識別技術，通過圖像處理算法優化設計，實現三維識別改進，最后進行仿真測試，得出有效性結論。

1 圖像采集和分塊預處理

對耳紋圖像特征的三維識別的研究建立在對圖像的特征采集和分塊處理基礎上。圖像采集系使用數碼設備NikonD7200，采集的感光度設定為100。采用Radon尺度變換構建圖像分塊的4×4網格區域，采用一維小波變換進行耳紋圖像的角度和頻率分解；利用圖像的稀疏先驗信息進行耳紋角點檢測，利用圖像二維傅里葉變換進行超像素分割[2]，實現圖像的像素特征采集；對采集結果通過脊波變換進行三維特征提取，實現耳紋特征識別。根據上述設計原理，得到耳紋圖像特征三維識別總體實現構架如圖1所示。

2 耳紋特征的三維識別

2.1 耳紋圖像自適應融合濾波

本文在進行了耳紋圖像采集和分塊預處理的基礎上，進行耳紋圖像特征三維識別優化處理，提出一種基于脊波變換的耳紋圖像分塊特征提取和三維識別技術。采用二維傅里葉變換方法進行耳紋圖像的亞像素級特征分解[4]，特征分解方程描述為：

2.2 圖像的辨識特征點信息增強

在4個3×3子塊模型中，使用脊波變換進行耳紋圖像三維特征重構，圖像中的耳紋分布紋理特征集為：

3 仿真實驗分析

仿真測試運行平臺為Windows 7系統，Pentium（R）4 CPU 3.00 GHz，采用Matlab圖像處理軟件進行圖像處理算法的編程設計，在人體耳紋特征庫ear Database ddl中選擇兩組樣本作為訓練集和測試集，分別表示男性耳紋和女性耳紋，樣本個數分別為4個和7個，如圖2所示。

以上述耳紋樣本為研究對象，取一組樣本進行測試，采用不同方法進行三維識別和特征提取，得到識別結果如圖3所示。分析圖3結果得知，采用本文方法進行耳紋識別，輸出圖像的像素值更高，成像質量更好，提高耳紋識別的精度。endprint

4 結 語

本文提出一種基于脊波變換的耳紋圖像分塊特征提取和三維識別技術。采用二維傅里葉變換方法進行耳紋圖像的亞像素級特征分解，結合區域網格徑向劃分方法進行圖像分割，對耳紋圖像的子塊像素點進行自適應融合濾波，實現圖像降噪，使用脊波變換進行耳紋圖像三維特征重構，使用多尺度Retinex信息增強方法輸出圖像的辨識特征點，實現耳紋圖像三維識別。分析得出，采用本文算法進行耳紋圖像特征識別的精度較高，圖像輸出質量較好，具有較好的辨識性能。

參考文獻

[1] 牛英宇，聶瑞杰，李麗娟.基于FPGA的紅外圖像非均勻校正實現方法[J].激光與紅外，2016，46（8）：1028?1032.

[2] 江濤，呂家恪，李佳.基于興趣點匹配的圖像檢索方法[J].激光雜志，2016，37（6）：86?89.

[3] ORTIZ A， GORRIZ J M， RAMIREZ J， et al. Improving MR brain image segmentation using self?organising maps and entropy?gradient clustering [J]. Information sciences， 2014， 262（3）： 117?136.

[4] 李積英，黨建武，王陽萍.融合量子克隆進化與二維Tsallis熵的醫學圖像分割算法[J].計算機輔助設計與圖形學學報，2014，26（3）：465?471.

[5] 鄭海峰.基于多尺度Retinex的超聲圖像去噪及增強技術[J].激光雜志，2016，37（3）：71?73.

[6] 王云燁，李勃，董蓉，等.基于透射率空間與色彩紋理相關性的圖像分割[J].電子測量技術，2015，38（1）：41?46.

[7] 張宇，王曉燕.基于混合灰度差指標的低空目標圖像檢測方法[J].電子測量與儀器學報，2015，29（8）：1196?1202.

[8] FENG Fuzhou， ZHANG Chaosheng， MIN Qingxu， et al. Heating characteristics of metal plate crack in sonic IR imaging [J]. Infrared and laser engineering， 2015， 44（5）： 1456?1461.endprint