唐邦杰， 封 筠

(石家庄铁道大学信息科学与技术学院，河北石家庄050043)

0 引言

作为一种被逐渐关注的生物识别特征体，人耳具有稳定性，独特性和较高的用户可接受性等优点。人耳识别技术的研究与探索，将对生物特征识别技术的发展起到推动和促进作用，具有很高的理论研究与应用价值。在人耳特征提取的研究中，Victor等将在人脸识别中较流行的标准主分量分析(Principal Component Analysis，PCA)方法应用于人耳识别，得到特征耳，并将人耳识别性能与人脸识别性能进行对比［1］;Burge和Burger提出了使用Voronoi图表的邻接图匹配方法［2］;Hurley等模仿自然界的电磁力场过程，提出了一种基于力场转换理论方法的人耳识别［3］;Michal提出了一种几何学的提取人耳轮廓质心特征点的人耳识别方法［4］;穆志纯等提出了基于长轴的形状特征提取方法［5］;封筠等提出了一种基于局部二值模式与核Fisher判别分析的人耳识别方案［6］;梁晓霞等提出了一种基于Gabor变换和灰度梯度共生矩阵的人耳身份识别方法［7］;Hui Chen等使用距离传感器直接获取人耳3D图像数据，提出基于3D人耳检测识别方法［8］。

Kirby M等人早在1990年就将主分量分析应用于人脸识别［9］，Turk M和Pentland A在Kirby的基础上将主分量分析发展成特征脸(Eigenface)算法用于人脸识别［10］。传统的PCA方法虽然能够将数据特征降维，但是需要将每个图像样本按像素转化为一维向量。对尺寸为的图像，其协方差矩阵的维数为，随着图像尺寸的增大，所需要的计算量飞速增加。如果训练样本数目很少，导致计算所得的特征向量不够准确和稳定。……