·540· 工程科学学报，第37卷，第4期 幅提高，达到了99.8%的识别率，说明稀疏表示分类 方法有效提高了局部二值模式特征的识别性能. 图6随机遮挡人耳图像 Fig.6 Randomly occluded ear images 表2未添加随机遮挡时的人耳识别率 Table 2 Recognition rate without occlusion 主成分分析+ 线性鉴别分析+ 局部二值模式+ 主成分分析+ 线性鉴别分析+ 局部二值模式+ 最近邻 最近邻 最近邻 稀疏表示 稀疏表示 稀疏表示 98.0 98.2 88.4 98.2 99.2 99.8 我们分别讨论了各特征提取方法在最近邻分 各特征提取方法在最近邻分类器下的识别率：图7 类器和稀疏表示分类器下的识别情况.图7为各识 (b)为各特征提取方法在稀疏表示分类器下的识 别算法在人耳图像被遮挡时的识别率.图7(a)为 别率 100 100 (a) ◆一线性鉴别分析+最近邻 ◆一线性鉴别分析+ 90 随机耳+最近邻 90 稀疏表示 80 局部二值模式+最近邻 随机耳+稀疏表示 主成分分析+最近邻 70 60 60 局部二值模式+ 50 稀疏表示 40 %形 主成分分析+ 稀疏表示 30 30 20 名 10 o D 0 10 2030 40 50 0 10 20 30 40 50 进挡程度修 遮挡程度/% 图7不同遮挡程度下的人耳识别率.(a)最近邻分类法：(b)稀疏表示分类法 Fig.7 Recognition rate under various levels of occlusion:(a)nearest neighbor classification;(b)sparse representation-based classification 从图7(a)中可以看出，人耳图像被遮挡时，其他 示人耳识别方法仍然能实现60%的识别率，而其他几 几种算法的识别率急剧下降.当人耳图像遮挡程度达 种方法的识别率都低于15%. 到10%时，其他几种方法的识别率甚至下降到50%以 表3给出了局部二值模式纹理特征在最近邻分 下，而局部二值模式方法的识别率要高于其他几种方 类器与本文所提的基于局部二值模式的稀疏表示人 法，说明局部二值模式描述子增强了稀疏表示分类方 耳识别方法下的首选识别率.从表3结果可以看出， 法中字典的信息表示能力以及对图像遮掩的鲁棒性 无论图像是否添加遮挡，加入稀疏表示后，局部二值 从图7(b)可以看出，基于局部二值模式的稀疏表示识 模式特征的识别性能都大幅提升.当随机遮挡程度 别方法的识别性能要远高于其他几种方法.加入稀疏 在15%时，本文提出的基于局部二值模式特征的稀 表示后，其他几种方法的识别性能与基于最近邻分类 疏表示人耳识别方法仍然能实现94.4%的识别率， 器的识别率相差无几，而基于局部二值模式特征的稀 远高于最近邻分类器下的74.9%.甚至当遮挡程度 疏表示人耳识别方法的识别率大幅提升，要远高于其 在30%时，本文所提算法仍然能实现70.5%的识别 他几种方法.当遮挡程度为15%时，基于局部二值模 率，高于最近邻分类器下的40.0%.这说明稀疏表 式的稀疏表示人耳识别方法仍然实现了94.9%的识 示增强了局部二值模式纹理特征对遮挡的鲁棒性， 别率，而其他几种方法的识别率都低于30%.甚至当 提升了局部二值模式纹理特征的在人耳遮挡时的识 遮挡程度在35%时，基于局部二值模式特征的稀疏表 别性能.工程科学学报，第 37 卷，第 4 期 幅提高，达到了 99. 8% 的识别率，说明稀疏表示分类 方法有效提高了局部二值模式特征的识别性能． 图 6 随机遮挡人耳图像 Fig． 6 Ｒandomly occluded ear images 表 2 未添加随机遮挡时的人耳识别率 Table 2 Ｒecognition rate without occlusion % 主成分分析 + 最近邻 线性鉴别分析 + 最近邻 局部二值模式 + 最近邻 主成分分析 + 稀疏表示 线性鉴别分析 + 稀疏表示 局部二值模式 + 稀疏表示 98. 0 98. 2 88. 4 98. 2 99. 2 99. 8 我们分别讨论了各特征提取方法在最近邻分 类器和稀疏表示分类器下的识别情况． 图 7 为各识 别算法在人耳图像被遮挡时 的 识 别 率． 图 7 ( a) 为 各特征提取方法在最近邻分类器下的识别率; 图 7 ( b) 为各 特 征 提 取 方 法 在 稀 疏 表 示 分 类 器 下 的 识 别率． 图 7 不同遮挡程度下的人耳识别率． ( a) 最近邻分类法; ( b) 稀疏表示分类法 Fig． 7 Ｒecognition rate under various levels of occlusion: ( a) nearest neighbor classification; ( b) sparse representation-based classification 从图 7( a) 中可以看出，人耳图像被遮挡时，其他 几种算法的识别率急剧下降． 当人耳图像遮挡程度达 到 10% 时，其他几种方法的识别率甚至下降到 50% 以 下，而局部二值模式方法的识别率要高于其他几种方 法，说明局部二值模式描述子增强了稀疏表示分类方 法中字典的信息表示能力以及对图像遮掩的鲁棒性． 从图 7( b) 可以看出，基于局部二值模式的稀疏表示识 别方法的识别性能要远高于其他几种方法． 加入稀疏 表示后，其他几种方法的识别性能与基于最近邻分类 器的识别率相差无几，而基于局部二值模式特征的稀 疏表示人耳识别方法的识别率大幅提升，要远高于其 他几种方法． 当遮挡程度为 15% 时，基于局部二值模 式的稀疏表示人耳识别方法仍然实现了 94. 9% 的识 别率，而其他几种方法的识别率都低于 30% ． 甚至当 遮挡程度在 35% 时，基于局部二值模式特征的稀疏表 示人耳识别方法仍然能实现 60% 的识别率，而其他几 种方法的识别率都低于 15% ． 表 3 给出了局部二值模式纹理特征在最近邻分 类器与本文所提的基于局部二值模式的稀疏表示人 耳识别方法下的首选识别率． 从表 3 结果可以看出， 无论图像是否添加遮挡，加入稀疏表示后，局部二值 模式特征的识别性能都大幅提升． 当随机遮挡程度 在 15% 时，本文提出的基于局部二值模式特征的稀 疏表示人耳识别方法仍然能实现 94. 4% 的识别率， 远高于最近邻分类器下的 74. 9% ． 甚至当遮挡程度 在 30% 时，本文所提算法仍然能实现 70. 5% 的识别 率，高于最近邻分类器下的 40. 0% ． 这说明稀疏表 示增强了局部二值模式纹理特征对遮挡的鲁棒性， 提升了局部二值模式纹理特征的在人耳遮挡时的识 别性能． · 045 ·