基于全局和局部特征相結(jié)合的不完美牛眼虹膜識別技術(shù)研究.pdf

1、隨著我國居民消費水平的提高，越來越多的居民選擇營養(yǎng)價值更高的牛肉。然而，當(dāng)受污染的個體牛及其肉制品不能被及時有效地追蹤和溯源時，國民的身體健康會受到巨大的威脅。有必要對大型動物個體進行準確追蹤和原產(chǎn)地溯源。在對飼養(yǎng)的動物個體進行識別管理和原產(chǎn)地溯源的過程中，虹膜識別技術(shù)近年來受到廣泛的關(guān)注和研究。將虹膜識別技術(shù)應(yīng)用在大型飼養(yǎng)動物個體識別和原產(chǎn)地溯源領(lǐng)域，可以有效控制癢病、瘋牛病等動物疫病的傳播，有助于提高食品安全管理水平，降低疾病發(fā)生可

2、能性，保障消費者的合法權(quán)益。
　　本文在全局和局部特征提取理論和方法的基礎(chǔ)上，考慮到牛眼虹膜的特點，研究基于全局和局部特征相結(jié)合的不完美牛眼虹膜圖像識別問題，并通過Matlab對牛眼虹膜識別算法進行驗證與分析。具體內(nèi)容如下:
　　(1)在“質(zhì)量不完美數(shù)量完美”的場景下（即牛眼虹膜圖像存在局部遮擋、形變等質(zhì)量缺陷，但是每頭牛有多張牛眼虹膜圖像用于訓(xùn)練），本文提出基于局部保持投影的2D線性判別分析算法(2DLP-LDA)。傳統(tǒng)的

3、LDA算法僅保留樣本集的全局特征，沒有利用類間局部信息和類內(nèi)局部信息。2DLP-LDA在保持傳統(tǒng)LDA優(yōu)勢基礎(chǔ)上，使用LPP算法刻畫類內(nèi)局部幾何信息，通過引入一個高斯權(quán)重函數(shù)描述類間局部幾何信息。2DLP-LDA可以讓來自同類的樣本在低維投影空間上緊密地聚集在一起，而不損害原有的幾何結(jié)構(gòu)信息，同時讓異類樣本盡可能的遠離。此外，本算法是基于2D圖像而不是1D向量，因此2DLP-LDA繼承了2D算法的所有優(yōu)點。本文在SEU牛眼虹膜數(shù)據(jù)庫上與

4、LDA(RLDA)、aPAC(LoogM et al.,2001)、LFDA(Sugiyama et al.,2007)、EFDC(Gaoetal.,2012)和CGLDA(zhang et a1.，2014)等算法進行了對比實驗。2DLP-LDA在SEU牛眼虹膜數(shù)據(jù)庫上表現(xiàn)突出，當(dāng)每個個體僅有2張訓(xùn)練圖像時，2DLP-LDA識別率為94.07％，明顯高于其他算法。
　　(2)在“質(zhì)量不完美數(shù)量不完美”場景下（即牛眼虹膜圖像存在局

5、部遮擋、形變等質(zhì)量缺陷，同時每頭牛只有一張牛眼虹膜圖像用于訓(xùn)練），本文提出基于虛擬圖像和多流形判別分析的單樣本圖像識別算法(Ⅵ-MDA)。Ⅵ-MDA選用水平2DPCA、垂直方向2DPCA保留圖像的全局特征，選用LBP和Gabor等特征描述子提取圖像的局部特征。與以往的流形算法不同，本算法假設(shè)不同類的樣本具有不同的低維流形空間，即每個樣本產(chǎn)生多張?zhí)摂M圖像，這些虛擬圖像構(gòu)成一個流形，每個流形都有獨特的低維流形空間。本算法在SEU牛眼虹膜圖像

6、庫上驗證算法的有效性，在局部遮擋的情況下，本算法識別率達到77.8％，而UP(Denget a1.，2010)只有55.6％;在形變和旋轉(zhuǎn)情況下，本算法依然能取得顯著的實驗效果。
　　(3)為了考察上述算法的泛化能力，本文在FERET、CMU_PIE等人臉數(shù)據(jù)庫上與多個算法進行對比實驗。2DLP-LDA在FERET人臉數(shù)據(jù)庫上識別率依然具有競爭優(yōu)勢，當(dāng)每類樣本中的訓(xùn)練樣本很少時（不超過4），2DLP-LDA識別率最高。Ⅵ-MDA在