[发明专利]多方法结合的人耳图像边缘提取方法

说明书

技术领域

本发明属于一种基于万有引力场转换、分水岭算法和Canny算子相结合的人耳图像边缘提取方法。尤其对有噪声污染和边缘有干扰的人耳图像的处理，有望取得较高的识别率。

背景技术

人耳识别作为新的生物特征识别技术，越来越受到人们的关注。一个完整的人耳识别系统包括：人耳图像的采集、图像的预处理、边缘提取与分割、特征提取和识别。但目前的研究更多地关注于人耳的识别特征，例如国内外比较主要的几何学方法、主元分析法、基于长轴形状提取法、遗传局部搜索法、利用神经网络进行识别的方法等等。而针对人耳图像边缘提取的研究却相对较少，只有北京科技大学的“基于轮廓合成的人耳识别”和“小波分析在人耳图像边缘检测的研究”等几篇文章。边缘检测是图像特征分析识别的基础，边缘提取的好坏直接关系到最后的识别成功率，因此迫切需要寻找一种边缘提取效果较好又简单易行的方法。

现有的图像边缘提取方法：可分为三大类：一类是采用某种固定的局部运算方法，如微分法，拟合法等；第二类是以能量最小化为准则的全局提取方法，如松弛法，神经网络分析法等；第三类是利用小波变换、数学形态学、分形理论等高新技术。国防科大的专家在“图像边缘提取方法和展望”一文中做了科学的分析，在总结了各个方法的优缺点后提出：如何对现有算法进行综合利用仍然是目前研究的一个热点。

在具体对人耳图像进行边缘提取时，由于拍摄条件的影响，往往会造成图像的噪声污染；同时，由于头发等遮挡物的影响，往往会造成伪边缘，这对于识别是非常不利的。通过大量实验表明，单纯采用某一种边缘提取算法，都难以有效地提取出完整的人耳边缘曲线。此发明针对这些问题，提出了利用万有引力场转换强化图像边缘，这是有别于传统方法的新探索，并且结合分水岭算法和Canny算子进一步进行边缘提取合成，达到了比较理想的效果。

发明内容

针对当前各种入耳边缘识别方法都存在过多的条件限制，边缘识别技术各有所长，又各有不足，尚没有形成综合处理方法，本发明提出一种方法来强化边缘信息，进而结合另外两种方法分别对人耳边缘外部和内部进行提取，最后合并成完整的边缘。这种方法得出的耳朵边缘图像比较清晰完整，比单一采用其他方法效果要好一些。为后续特征提取及识别提供了较好基础，有望提高识别效率。

本发明的技术方案如下：

本构思提出了基于万有引力场转换、分水岭算法和Canny算子相结合的人耳图像边缘提取方法。其包括第一：利用万有引力场转换对原始图像进行预处理，把噪声和光照的影响降低，强化边缘信息；第二：使用分水岭算法把图像进行有效的分割，获得一个只包含人耳的最小封闭区域；利用分水岭算法对人耳的外侧边缘进行提取；接着利用所提取的边缘具有封闭性的特点，分割出仅包括人耳内侧区域的图像；第三：利用Canny算子对图像小细节敏感的特性，对内侧部分的边缘进行提取。最后将人耳图像外部和内部边缘进行合成，最终得到完整的人耳边缘曲线。

本发明的实现步骤如下：

(1)人耳图像的力场转换

人耳图像的万有引力场转换就是对图像中的任意像素在力场中所受合力的计算并处理，通过力场转换使噪声的影响降低，同时强化突出人耳边缘信息。

(2)利用分水岭算法对人耳外侧轮廓进行边缘提取

A.使用分水岭算法把图像进行有效的分割，获得一个只包含人耳的最小封闭区域，为后续识别做准备。

B.基于人耳外侧和内侧的灰度值存在着较大差异，利用分水岭算法对人耳外侧边缘进行提取，这样可以较好地避免头发等遮挡物的干扰所造成的伪边缘。

C.利用分水岭算法得出的轮廓具有封闭性的特点，并结合填充算法，分割出仅包括人耳内侧区域的图像。

(3)完整的人耳边缘曲线

A.在得到的人耳内侧区域图像采用Canny算子，尽可能地提取出人耳内部边缘信息的细节。

B.将(2)B中得到的人耳图像外部边缘和(3)A中得到的内部边缘进行合成，最终得到完整的人耳边缘曲线。

本发明的优点

本发明与其他人耳识别方法相比，具有以下几个方面的优势：

(1)通过万有引力场转换算法能够将噪声的影响降低，同时强化突出边缘，得到更清晰的边缘。此处引入一种把力场转换作为图像预处理方法的理念，这种转换并不是用来获取势能阱，而是为强化人耳图像的边缘，这是对万有引力场转换算法的新应用。