基于全局和局部特征相结合的不完美牛眼虹膜识别技术研究

发布时间：2020-07-13 04:27

【摘要】：随着我国居民消费水平的提高,越来越多的居民选择营养价值更高的牛肉。然而,当受污染的个体牛及其肉制品不能被及时有效地追踪和溯源时,国民的身体健康会受到巨大的威胁。有必要对大型动物个体进行准确追踪和原产地溯源。在对饲养的动物个体进行识别管理和原产地溯源的过程中,虹膜识别技术近年来受到广泛的关注和研究。将虹膜识别技术应用在大型饲养动物个体识别和原产地溯源领域,可以有效控制痒病、疯牛病等动物疫病的传播,有助于提高食品安全管理水平,降低疾病发生可能性,保障消费者的合法权益。本文在全局和局部特征提取理论和方法的基础上,考虑到牛眼虹膜的特点,研究基于全局和局部特征相结合的不完美牛眼虹膜图像识别问题,并通过Matlab对牛眼虹膜识别算法进行验证与分析。具体内容如下:(1)在"质量不完美数量完美"的场景下(即牛眼虹膜图像存在局部遮挡、形变等质量缺陷,但是每头牛有多张牛眼虹膜图像用于训练),本文提出基于局部保持投影的2D线性判别分析算法(2DLP-LDA)。传统的LDA算法仅保留样本集的全局特征,没有利用类间局部信息和类内局部信息。2DLP-LDA在保持传统LDA优势基础上,使用LPP算法刻画类内局部几何信息,通过引入一个高斯权重函数描述类间局部几何信息。2DLP-LDA可以让来自同类的样本在低维投影空间上紧密地聚集在一起,而不损害原有的几何结构信息,同时让异类样本尽可能的远离。此外,本算法是基于2D图像而不是1D向量,因此2DLP-LDA继承了 2D算法的所有优点。本文在SEU牛眼虹膜数据库上与LDA(RLDA)、aPAC(Loog M et al.,2001)、LFDA(Sugiyama et al.,2007)、EFDC(Gao et al.,2012)和CGLDA(zhangeta1.2014)等算法进行了对比实验。2DLP-LDA在SEU牛眼虹膜数据库上表现突出,当每个个体仅有2张训练图像时,2DLP-LDA识别率为94.07%,明显高于其他算法。(2)在"质量不完美数量不完美"场景下(即牛眼虹膜图像存在局部遮挡、形变等质量缺陷,同时每头牛只有一张牛眼虹膜图像用于训练),本文提出基于虚拟图像和多流形判别分析的单样本图像识别算法(VI-MDA)。VI-MDA选用水平2DPCA、垂直方向2DPCA保留图像的全局特征,选用LBP和Gabor等特征描述子提取图像的局部特征。与以往的流形算法不同,本算法假设不同类的样本具有不同的低维流形空间,即每个样本产生多张虚拟图像,这些虚拟图像构成一个流形,每个流形都有独特的低维流形空间。本算法在SEU牛眼虹膜图像库上验证算法的有效性,在局部遮挡的情况下,本算法识别率达到77.8%,而UP(Deng et al.,2010)只有55.6%;在形变和旋转情况下,本算法依然能取得显著的实验效果。(3)为了考察上述算法的泛化能力,本文在FERET、CMU_PIE等人脸数据库上与多个算法进行对比实验。2DLP-LDA在FERET人脸数据库上识别率依然具有竞争优势,当每类样本中的训练样本很少时(不超过4),2DLP-LDA识别率最高。VI-MDA在FERET数据库上平均识别率为67.7%,在CMU_PIE数据库上的平均识别率为81.7%,均高于其他算法。实验结果表明本文提出的算法均有优秀的泛化能力。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41
【图文】：

虹膜图像,论文,场景,牛眼

上的不完美。要精准识别不完美牛眼虹膜图像，对特征提取算法具有很高的要求。然逡逑而，传统的特征提取方法未能充分结合全局特征与局部特征，造成识别率下降。因逡逑此，本文主要研究：在两个不完美场景下（如图１－３），研究基于全局和局部特征相逡逑结合的不完美牛眼虹膜图像识别问题。如图１－３所示。逡逑质量逦逦逡逑完美逡逑个儿１逦逡逑不完美逦完美邋数量逡逑图１－３论文研宄场景逡逑本文主要的研宄内容是：逡逑（１邋）全局和局部特征相结合的牛眼虹膜图像特征提取算法研宄逡逑７逡逑

基于全局和局部特征相结合的不完美牛眼虹膜识别技术研究

图３－２局部遮挡逡逑

虹膜图像,睫毛,虹膜,虹膜图像

毛遮挡的虹膜图像时，由于人眼的睫毛与其虹膜区域灰度差异明显，通过设置一个灰逡逑度阈值可以移除人眼睫毛对虹膜区域的干扰；但是，牛的睫毛与其虹膜区域的灰度差逡逑异较小，难以实现有效的睫毛移除。图３－１为同一头牛的两张牛眼虹膜图像，图３－１逡逑１８逡逑

【参考文献】