第4期 谢朝霞，等：基于LE的多姿态人耳识别 ·325· 为简化问题，假定K值是一固定常量（本文选 择K=12),重点讨论低维嵌入维数d和人耳图像姿 态参数对人耳图像识别率的影响，从而得到最佳 识别角度.为此设计如下策略进行训练和测试：首先 选择0=5的人耳图像作为测试样本，其余角度的 人耳图像作为训练样本：然后选择0=10的人耳图 像作为测试样本，其余角度的人耳图像作为训练样 本：依此类推，分别选择0=15°、0=20°、0=25°、0= 30°、0=35°、0=40的人耳图像作为测试样本，每种 测试角度之外的其余人耳图像作为训练样本.所有 实验均采用最小欧式距离分类器进行分类识别. 0 对应每个参数0，低维嵌入维数d依次从1~200 2 取值，得到识别率曲线图6和图7，其中横坐标代表嵌 (b)K=37,d=3 入维数d纵坐标代表识别率.图6中分别表示0= 图3不同d的低维嵌入 5°、0=10°、0=30°、0=35和0=40时的人耳图像作 Fig 3 Low dmensional embedding with 为测试样本的人耳识别率曲线.图7中分别表示= different values of d 15°0=20和0-25时的人耳识别率曲线. 库人.USB人耳库包括79人，采用彩色CCD摄像机 从图6可以看出，采用0=5的人耳图像做测 拍摄白色背景下的包含完整人头的侧面图像，拍摄 试，最高识别率达到9114%.采用0=10的人耳图 距离15m采集的图像为24位真彩色图像，显示 像做测试，最高识别率达到9873%.采用日=30的 分辨率为768576定义彩色CCD摄像机与人耳角 人耳图像做测试，最高识别率达到9873%.采用 度垂直时为正侧面.光照恒定，角度变化依次是向左 0=35°的人耳图像做测试，最高识别率达到 转5°、10°、15°、20°25°、30°、35°、40°如图4所示. 9873%.采用0=40的人耳图像做测试，最高识别 图5所示为实验中所采用的切割后的带有角度变化 率达到9241% 的灰度人耳图像 100 线特转纯共代实进# 90 的pgpoo 70 60 50 08=35 图4USB人耳库的实例 60=40 Fig 4 Examples ofUSTB ear database 40640 80120160200 3.2实验结果 图60=5°、0=10°、0=30°、0=35和0=40时的人耳 通过前面的论述，可以看出，基于局部线性嵌入 图像作为测试样本的人耳识别率曲线 的多姿态人耳识别研究，共涉及3个参数，它们分别 Fig 6 Recognition rate using different ear test mages 是邻域K低维嵌入维数d以及人耳图像姿态参数日 with0=5°、0=10°、0=30°、0=35°and0=40 从图7可以看出，采用0=15°、0=20和0= 25的人耳图像做测试，最高识别率均可达到 100%. 首先，从图6和图7的实验结果可以看出，由 于训练样本含有日=5和日=10的人耳图像，使 图5切割后的灰度人耳图像 得采用0=15°、0=20和0=25的人耳图像作为 Fig 5 Gray ear mages after cutting 测试样本时得到的识别结果要明显优于采用日= 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net( b) K = 37, d = 3 图 3 不同 d的低维嵌入 Fig. 3 Low dimensional embedding with different values of d 库 ). USTB 人耳库包括 79人 ,采用彩色 CCD摄像机 拍摄白色背景下的包含完整人头的侧面图像 ,拍摄 距离 1. 5 m. 采集的图像为 24位真彩色图像 ,显示 分辨率为 768 ×576. 定义彩色 CCD摄像机与人耳角 度垂直时为正侧面. 光照恒定 ,角度变化依次是向左 转 5°、10°、15°、20°、25°、30°、35°、40°. 如图 4所示. 图 5所示为实验中所采用的切割后的带有角度变化 的灰度人耳图像. 图 4 USTB人耳库的实例 Fig. 4 Examp les of USTB ear database 图 5 切割后的灰度人耳图像 Fig. 5 Gray ear images after cutting 3. 2 实验结果 通过前面的论述,可以看出 ,基于局部线性嵌入 的多姿态人耳识别研究,共涉及 3个参数 ,它们分别 是邻域 K、低维嵌入维数 d以及人耳图像姿态参数θ. 为简化问题 ,假定 K值是一固定常量 (本文选 择 K = 12) ,重点讨论低维嵌入维数 d和人耳图像姿 态参数 θ对人耳图像识别率的影响 ,从而得到最佳 识别角度. 为此设计如下策略进行训练和测试 :首先 选择 θ= 5°的人耳图像作为测试样本 ,其余角度的 人耳图像作为训练样本;然后选择 θ= 10°的人耳图 像作为测试样本 ,其余角度的人耳图像作为训练样 本;依此类推 ,分别选择 θ= 15°、θ= 20°、θ= 25°、θ= 30°、θ= 35°、θ= 40°的人耳图像作为测试样本 ,每种 测试角度之外的其余人耳图像作为训练样本. 所有 实验均采用最小欧式距离分类器进行分类识别. 对应每个参数θ,低维嵌入维数 d依次从 1～200 取值,得到识别率曲线图 6和图 7,其中横坐标代表嵌 入维数 d,纵坐标代表识别率. 图 6中分别表示 θ= 5°、θ= 10°、θ= 30°、θ= 35°和 θ= 40°时的人耳图像作 为测试样本的人耳识别率曲线. 图 7中分别表示 θ= 15°、θ=20°和θ=25°时的人耳识别率曲线. 从图 6可以看出 ,采用 θ= 5°的人耳图像做测 试 ,最高识别率达到 91. 14%. 采用 θ= 10°的人耳图 像做测试 ,最高识别率达到 98. 73%. 采用 θ= 30°的 人耳图像做测试 , 最高识别率达到 98. 73%. 采用 θ= 35°的 人 耳 图 像 做 测 试 , 最 高 识 别 率 达 到 98. 73%. 采用 θ= 40°的人耳图像做测试 ,最高识别 率达到 92. 41%. 图 6 θ= 5°、θ= 10°、θ= 30°、θ= 35°和 θ= 40°时的人耳 图像作为测试样本的人耳识别率曲线 Fig. 6 Recognition rate using different ear test images withθ= 5°、θ= 10°、θ= 30°、θ= 35°andθ= 40° 从图 7可以看出 , 采用 θ= 15°、θ= 20°和 θ= 25°的 人 耳 图 像 做 测 试 , 最 高 识 别 率 均 可 达 到 100%. 首先 ,从图 6和图 7的实验结果可以看出 ,由 于训练样本含有 θ= 5°和 θ= 10°的人耳图像 ,使 得采用 θ= 15°、θ= 20°和 θ= 25°的人耳图像作为 测试样本时得到的识别结果要明显优于采用 θ= 第 4期 谢朝霞 ,等 :基于 LLE的多姿态人耳识别 · 523 · © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net