تشخيص هويت از روي تصوير گوش با بكارگيري الگوي باينري محلي و كوانتيزه ساز فاز محلي

Identification Based on Ear Images Using Local Phase Quantization and Local Binary Pattern

از چالش هاي پيشرفت فنآوري در جامعه امروز مسأله تشخيص و تأييد هويت واقعي افراد است. در بين روش هاي تشخيص هويت، بيومتريك گوش يك روش نسبتا جديد است. گوش داراي ويژگي هاي منحصر به فردي براي تشخيص هويت است. در اين مقاله، از عملگرهاي LBP و LPQ جهت فرآيند شناسايي الگو در تصاوير گوش استفاده كرده ايم. سپس به منظور كاهش اندازه بردار ويژگي و افزايش دقت طبقه بندي كننده، PCA را بر روي ويژگي هاي استخراج شده از LBP بكار گرفته ايم. در پايان، براي طبقه بندي از الگوريتم k نزديكترين همسايه و معيار شباهت كانبرا اسـتفاده كرده ايم. براي ارزيابي كارايي الگوريتم، روش پيشنهادي را بر روي پايگاه داده USTB-1 با 180 تصوير از 60 نفر آزمايش كرده و به دقت 98.33 درصد دست يافته ايم.

Nowadays, personal authentication has become concern with technology development. Ear biometric is a new technique. Human ear contains unique features. In this paper, we use LBP and LPQ operators to extract the features of the ear images. To reduce the dimensionality of the original pattern space and to increase of the classifier accuracy, we apply PCA on features obtained from LBP operator. Finally, we use K-nearest neighbor (KNN) classifiers and Canberra distance. we evaluate our approach on USTB-1 ear database. This database consists of 180 images from 60 subjects. Experimental results show that the proposed approach can achieve recognition rate of 98.33%.