论文部分内容阅读
人耳识别是继指纹识别、虹膜识别、人脸识别等一系列生物特征识别之后的一种新的生物特征识别，基于人耳图像的几何和纹理特殊性，人耳图像识别和其他生物特征模式识别有相同之处也有不同之处，因此，可以单独使用也可以和其他生物特征识别结合使用，用于刑侦、医学、保密和信息安全等方面。因此，人耳图像识别具有一定得实际意义和研究价值，有广泛的应用前景。
本论文在分析人耳图像识别的原理基础上，将提取出的人耳特征应用计算智能进行属性约简，提取出关键属性，去掉影响识别和计算的冗余属性。将粗糙集理论应用于人耳图像特征属性的约简，并将支持向量机应用于后继人耳图像识别过程中。主要研究内容和创新工作如下：
(1)采集一定数量的人耳图像作为图像源，并将图像进行一定的预处理，使每组图像在图像属性上具有一致性，通过软件运算得出几何特征图像，提取出人耳图像特征属性数据，并将图像纹理特征属性提取出，作为后继工作的图像库和数据源。
(2)提出了基于粗糙集理论的人耳图像特征属性约简。用基于粗糙集理论的属性约简对人耳图像特征属性进行简化，将属性中的冗余属性进行约简，提取出关键属性，作为后继识别的学习训练样本和识别样本。约简的属性是相关性较强的某些属性，这在一定程度上会减少后继工作的工作量。
(3)将最小二乘支持向量机(LS-SVM)方法应用于约简后的人耳特征属性识别。采用的最小二乘支持向量机基于结构风险最小化，在支持向量机的基础上，将求解二次规划问题转化线性方程组，使最小二乘支持向量机模型的待定参数少于标准支持向量机，加快了学习速度，也具有良好的非线性建模和泛化能力，而且精度较高。