[关键词]生物特征识别数字签名电子商务身份安全认证
一、引言
在电子商务应用日益广泛的今天，从某种角度看，身份认证技术可能比信息加密本身更加重要。它是网络安全和信息系统安全的第一道屏障，是在信息安全时代备受关注的一个研究领域。
目前的应用主要是以“用户ID+口令＋数字证书”来进行用户的身份认证。从根本上说这种身份认证不能解决访问者的物理身份和电子身份的一致性问题，即无法确认通过身份认证的访问者即获授权者。
启发于人的身体特征具有不可复制的特点，人们开始把目光转向了生物识别技术。人的指纹、虹膜、视网膜等都具有惟一性和稳定性的特征，为实现更安全、方便的用户身份认证提供了有利的物理条件。
用户最关注的问题是因特网的网络安全性和保密性。保障网络中数据传输的安全性通常需要借助信息安全功能来实现。在开放系统中对具有重要价值的信息或私密信息进行通信时，可使用数字签名等密码技术进行加密。
生物识别技术代表着用户身份认证技术的未来，有着广阔的应用前景。如果将生物特征识别技术和数字签名技术有机地结合在一起，可以提供一种更加安全、便捷的用户身份认证技术。
二、生物特征识别技术
生物特征识别技术是通过计算机与光学、声学传感器和生物统计学原理等高科技手段结合，利用人体固有的生理特性来进行个人身份的鉴定。其核心在于如何获取这些生物特征，并将之转换为数字信息，存储于计算机中，利用可靠的匹配算法来完成验证与识别个人身份的过程。
1.指纹识别——成熟的身份认证技术
在网络环境下的身份认证系统中，应用指纹作为身份确认依据是理想的。
第一，理论上，每个人的指纹是独一无二的。
第二，指纹样本便于获取，易于开发识别系统，实用性强。
第三，指纹识别中使用的模板而是由指纹图中提取的关键特征，使系统对模板库的存储量较小。也可以大大减少网络传输的负担，便于支持网络功能。
第四，指纹识别是生物特征识别中研究最早、技术最成熟、应用最广泛的技术，有着坚实的市场后盾。
指纹识别具有很高的实用性、可行性。随着固体传感器技术的发展。指纹传感器的价格正逐渐下降，在许多应用中基于指纹的生物认证系统的成本是可以承受的。
指纹识别原理和过程如下：首先，通过指纹读取设备读取到人体指纹图像，并对原始图像进行初步的处理，使之更清晰。然后，指纹辨识算法建立指纹的数字表示——特征数据。特征文件存储从指纹上找到被称为“细节点”(minutiae)的数据点，也就是那些指纹纹路的分叉点或末梢点。这些数据称为模板（至今仍然没有一种模板的标准，也没有一种标准的抽象算法，各厂商自行其是）。最后，通过计算机把两个指纹的模板进行比较，计算出它们的相似程度，得到两个指纹的匹配结果。
2.虹膜和视网膜——更准确、更可靠的身份认证技术
虹膜是一种在眼睛中瞳孔内的织物状各色环状物，每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构。世界上两个指纹相同的几率为1/109，而两个虹膜图像相同的几率是1/1011，虹膜在人的一生中均保持稳定不变。因此，利用虹膜来识别身份能够成为独一无二的标识，其可靠性超过了指纹识别。
从直径11mm的虹膜上，Dr.Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，一个虹膜约有266个量化特征点，而指纹识别技术只有40多个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下，Dr.Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。这在生物识别技术中，所获得特征点的数量是相当大的。
关于虹膜的特征提取方面较有成效的主要有Daugman的利用多分辨率Gabor滤波器提取虹膜纹理的相位信息；Wildes的基于4种不同决策标准的拉普拉斯金字塔提取虹膜纹理特征；Boles和Boashash的基于小波变换过零检测虹膜识别算法以及中科院采用Gabor滤波和aubechies-4小波变换相结合的纹理分析方法。
虹膜技术上有一些地方有待完善；当前的虹膜识别系统只是用统计学原理进行小规模的试验，而没有进行过现实世界的惟一性认证的试验；目前图像获取设备相当昂贵。
视网膜是一些位于眼球后部十分细小的神经（一英寸的1/50），它是人眼感受光线并将信息通过视神经传给大脑的重要器官，用于生物识别的血管分布在神经视网膜周围，即视网膜四层细胞的最远处。
在20世纪30年代，通过研究就得出了人类眼球后部血管分布惟一性的理论，进一步的研究的表明，即使是孪生子，这种血管分布也是具有唯一性的，视网膜的结构形式在人的一生当中都相当稳定。所以，同虹膜识别技术一样，视网膜扫描可能是最可靠、最值得信赖的生物特征识别技术。视网膜扫描设备可以从使用者的视网膜上可以获得400个特征点，创建模板和完成确认。由此可见，视网膜扫描技术的录入设备的认假率低于0.0001%。但拒假率（FAR，指系统不正确地拒绝一个已经获得权限的用户）比较高，相信在进一步的研究中可以大大降低。
因为对视网膜难于采样，也无标准的视网膜样本库供系统软件开发使用，这就导致视网膜识别系统目前阶段难以开发，可行性较低。
与指纹识别技术的主要步骤以及原理相似，虹膜识别与视网膜识别一般包括图像采集、图像处理、特征提取、保存数据、特征值的比对和匹配等过程。
综上所述，指纹识别是最容易实现的；而虹膜识别与视网膜识别受到某些限制，目前除了一些高端应用外很难普及应用，但其有着巨大的技术优势和潜在的商业价值，必将是下一代生物特征识别技术的发展方向。
三、基于生物特征识别和数字签名技术的电子商务身份认证系统解决方案
1.方案设计要求
要确保基于指纹特征的用户身份认证系统的整体安全性，必须对基于指纹特征的网络身份认证方案设计一个安全的身份认证协议。良好的身份认证协议应该满足以下几个要求：
(1)能够准确识别被认证对象的身份；
(2)能够明确重要事件的责任人，并实现签名，避免事后抵赖；
(3)能够保障数据在存储和传送时的安全。
2.基于生物特征和数字签名技术的电子商务身份安全认证系统结构
基于秘密信息的身份认证协议：保证通信认证可以防止第三方的重放攻击，但由于客户端密钥存储和管理存在问题。基于生物特征的身份认证：能解决口令窥视和密钥管理难等问题，但很难阻止第三方的重放攻击。因而，笔者提出了综合前述的生物特征识别技术和数字签名后得到的电子商务身份认证系统的解决方案。
在网络环境下(B/S结构），用户（客户端）如果要访问远程服务器所管理的信息资源，在获得相关资源访问权限之前，必须通过生物特征身份认证，所有的信息资源访问权限都在身份认证系统（服务器端）管理之下，未通过身份认证的用户不能访问信息资源。当模板内置于服务器时，通过客户端的生物特征获取仪器获得用户的生物特征信息，该信息被加上数字签名后传送到服务器，在服务器首先校验签名是否有效，再与预先注册的模板进行比较，并完成身份认证。
3.身份认证步骤与协议
在生物认证系统中，为了保证生物特征值这不被非法用户所获得，采用数字签名技术。我们在此对协议中采用的符号做如下定义：A为用户，AS为认证服务器，KUAS为认证服务器公钥，TAS为认证服务器的时限，NA为A的现时数据，FA为A的生物特征值，IDA为A的标识。还需说明的是这里采用的是单向认证协议。基本协议如下：
(1)A用自己标识的签名向认证服务器AS请求认证。使用签名技术能有效地阻止一个虚假认证服务器对用户A的欺骗性连接。因为只有合法的认证服务器才保存有用户的公钥，从而能验证这个签名来获得IDA来为下面的认证过程来使用。
(2)认证服务器产生时限TAS，现时数据NA，并将自己的公钥KUAS、NA和时限TAS用用户A的公钥KUA加密后返回给客户端的A用户。
(3)客户端A接受到认证服务器公钥、时限和现时数据NA，同时在客户端的生物特征传感器读取用户的生物特征图像，并获得特征FA，把元组{TAS，NA，FA}用认证服务器的公钥KUAS加密后发送给认证服务器。
(4)认证服务器AS通过生物特征信息数据库进行比对，若匹配则A的身份通过认证。
这个方案与现时使用的认证体制基本类似，所以电子商务交易系统不必作重大改变。但因为引入了生物特征识别，安全性可以获得有效的加强。
四、结束语
在信息化日趋成为主流的今天，电子商务的业务已随着互联网的普及而飞速发展，与此同时，电子商务的安全性也成为业界的一个热点研究方向。本方案设计将基于生物特征的身份认证技术和数字签名相结合应用于电子商务，加强系统安全性，具有一定的研究和实用意义。
Abstract：Therearemanyadvantagesforthebiologicalcharacteristicsofotheridentificationintermsofpalmprint，soithasbeenwidelyusedinvariousfields.Inthispaper，thecharacteristicsofpalmprint，proposedonekindbasedontheGaborwaveletandenhancedFisherlineardiscriminantmodel（EFM）PalmprintFeatureExtractionalgorithm.Thefirsttreatmentofthepalmprint，onthepalmgrayimagebyGaborwavelettransformbasedalgorithm，getthepalmprintfeaturevectorGabor.Then，throughtheprincipalcomponentanalysistransformhigh-dimensionalfeaturevectorsintoalowdimensionalspace，thenthespacebyEFMtransformmatrixtoextractthepalmprintfeatures.DuetotheGaborfunctionintheaspectoffeatureextractionwithexcellentperformance，dimensionalityreductionofhighdimensionalfeaturecanbesolvedeffectively，atthesametime，thealgorithmcanimprovetheFisherlineardiscriminant（FLD）generalizationability，canbetterachievethePalmprintFeatureextraction.
关键词：Gabor小波；增强Fisher线性判别模型（EFM）；主成分分析（PCA）；掌纹；特征提取
Keywords：GaborWavelet；EnhancedFisherDiscriminantModel（EFM）；PrincipalComponentAnalysis（PCA）；palmprint；featureextraction
中图分类号：TP391.4文献标识码：A文章编号：1006-4311（2013）12-0185-03
0引言
生物识别技术是利用人体生物特征进行身份识别的一种技术，掌纹识别[1]是生物特征识别中又一新兴技术，它利用人的掌部纹理作为生物特征了来进行身份的自动确认，掌纹识别具有“人人不同，终生不变，随身携带”的特点，其研究始于1998年，与常见的指纹、人脸、虹膜等生物特征识别技术相比，掌纹识别[2]主要具有以下优势：1）指纹具有很强的稳定性：胎儿六个月就会形成完整的指纹，一直到人死腐烂之前，虽然随着年龄的增长，纹理会有一些变化，但是总体上同一个手指的指纹类型以及细节特征的总体布局等始终没有明显的变化。即使手指受伤只要不伤到真皮，等伤口愈合后纹理仍旧恢复原状；如果伤到真皮愈合后形成伤疤破坏了原来的纹理，但是伤疤本身也增加了新的稳定特征。2）指纹的唯一性，指纹具有很明显的特定性。根据指纹学理论，两枚指纹匹配上12个特征的几率为10-50。至今即使是孪生兄弟姐妹也没有两个指纹完全相同的人，不仅是人与人就算是一个人的十指之间，指纹也有明显的区别。由于指纹具有这样的特点，因此应用指纹进行身份鉴定提供了客观的依据。
因此，掌纹同其他应用于身份识别的生物特征相比，具有诸多先天优势，其应用领域非常广阔。在掌纹识别中，有两个基本问题要解决好，一个是特征的提取，另一个是相似度的测量。所以一个掌纹识别算法要解决这两个问题：一是掌纹特征的提取和选择，二是特征分类器的设计。其中第一个问题是至关重要的，因为它会强烈地影响到第二个问题的解决，乃至最终的识别性能。
现有文献中涉及的掌纹特征提取算法大致可以分为4大类：第一大类是基于结构的特征提取[3，4]；第二大类是基于空域-频域变换的特征提取[5，6]；第三大类是基于统计的特征提取[7]；第四大类是基于子空间的特征提取[8]。本文将第二大类基于时频变换和第四大类子空间的特征提取算法结合起来，提出了一种利用Gabor小波和增强Fisher线性判别模型（EFM）来实现掌纹特征提取的新方法。
4结论
本文主要对掌纹特征提取和特征分类进行了深入的探讨和研究，在Gabor小波技术结合EFM判别模型的基础上，提出了一种基于上述方式实现的掌纹特征提取方法。该方法利用Gabor小波捕获对应一定频率（尺度）、空间位置和方向选择性的局部结构，便于实现无对应的识别，而且使得掌纹的Gabor表示对光照的变化具有一定的鲁棒性，实现方法同时利用PCA变换和EFM判别模型提取信息量中的主要成分作为新的特征，与Fisher线性判别式（FLD）相比，EFM判别模型通过同时对角化类内与类间离散度矩阵提高了FLD的推广能力。因而，该算法具有一定理论和现实意义。
参考文献：
[1]WeiShu，ZhangD.Palmprintverification：animplementationofbiometrictechnology[C].PatternRecognitionProceedingsofFourteenthInternationalConference，1998，Vol.1，219-221.
[2]吴介，裘正定.掌纹识别中的特征提取算法综述[J].北京电子科技学院学报，2005，13（6）：86-92.
[3]LiWenxin，ZhangDavid，XuZhuoqun.ImageAlignmentBasedonInvariantFeaturesforPalmprintIdentification[J].SignalProcessingImageCommunication，2003（18）：373-379.
[4]DutaN，JainAK，MardiaKV.MatchingofPalmprint[J].PatternRecognitionLetters，2001，23（4）：477-485.
[5]LiWenxin，ZhangDavid.PalmprintIdentificationbyFourierTransform[J].InternationalJournalofPatternRecognitionandArtificialIntelligence，2002，16（4）：417-432.
[6]苏晓生，林喜荣，丁天怀.基于小波变换的掌纹的特征捉取[J].清华大学学报，2003，43（8）：1049-1051.
[7]Ying-HanPang，ConnieT，JinA，etal.PalmprintAuthenticationwithZernikeMomentInvariants[C]∥SignalProcessingandInformationTechnology，Proceedingsofthe3rdIEEEInternationalSymposium.2003：199-202.
[8]LuGuangming，ZhangDavid，WangKuanquan.PalmprintRecognitionUsingEigenpalmFeatures[J].PatternRecognitionLetters，2003（24）：1463-1467.
[9]孙冬梅.手形和掌纹识别算法的研究[D].北京：北方交通大学博士论文，2003.
一、田间种植鉴定的合法性。
（一）、新品种的选育和审定及新品种的特征特性的鉴定，依法应在田间种植的条件下进行。
《种子法》规定：主要农作物或林木品种在推广前应当通过部级或者省级审定；应当审定的农作物或林木品种未经审定通过的，不得广告，不得经营、推广。《主要农作物品种审定办法》规定：申请审定的品种应当具备特异性、稳定性、一致性等条件；品种试验包括区域试验和生产试验，区域试验应当对品种的丰产性、适应性、抗逆性和品质等农艺性状进行鉴定；生产试验是在接近大田生产的条件下，对品种的丰产性、适应性、抗逆性等进一步验证，同时总结配套栽培技术。上述法规证明，主要农作物或林木的新品种必须在田间接近大田生产的条件下种植，进行区域试验、生产试验。新品种是在接近大田生产的条件下进行品种实验，是在田间对品种的丰产性、适应性、抗逆性、品质以及其特异性、稳定性、一致性等特征特性进行一系列的鉴定才选育出来的，而不是在实验室内用按电钮的方法电泳出来的。新品种的选育和审定必须在田间种植条件下进行，品种的鉴定也应在田间种植条件下进行。法规没有规定可用物理、化学的方法对植物新品种进行选育和鉴定。采用化学的方法提取植物蛋白质和氨基酸，采用物理的方法电解分离蛋白质，对比蛋白质分离图谱以鉴定植物新品种的特征特性的所谓电泳测定法，是没有法律依据的。
（二）、将植物在田间种植生长出的特征特性即表现型与审定公告公布的及品种权申请公告的新品种的特征特性相对照，鉴定两个品种是否具备同一性，符合法律规定。
《种子法》规定：通过审定的主要农作物或林木品种由审定部门公告。如“鲁白16号”大白菜杂交种是由山东省品审委审定公告的。山东省农作物品种审定委员会（97）鲁农审字第2号文件即关于公布第十九批审定认定品种的通知（即山东省品种审定公告），公告的内容是“鲁白16号”大白菜等作物品种的选育经过和特征特性，其选育经过是在田间进行的，其特征特性是在田间种植的情况下与对照品种进行比较表现出来的。将“鲁白16号”的被控侵权品种“丰抗78”进行田间种植，根据其种植后表现出的特征特性与相邻种植的和通知公告的“鲁白16号”的特征特性相对照，进行差异性遗传学分析，即可鉴定他们是否同一品种。
由于审定公告仅公告了“鲁白16号”的特征特性，没有公告“鲁白16号”的电泳分离图谱，所以，无法将“丰抗78”的电泳图谱与山东省品审委公告的“鲁白16号”的电泳图谱相对照。没有对照就没法鉴定。其它机构（包括鉴定机构）不是法定的品种审定机构，依其制作的电泳图谱作对照，没有法律依据。
（三）、新品种在田间种植条件下表现出的特征特性是品种权保护的范围，其电泳图谱不属品种权保护的范围。
《农业植物新品种保护公报》公告的申请品种权的说明书，其内容是育种过程和申请品种的育种方法及其主要特征特性等。其中的特征特性，特别是该品种的特异性主要是在田间种植条件下与对照品种相比较表现出来的，是经公告被公众知悉和认可的。《保护公报》没公告新品种的电泳图谱，其电泳图谱不为公众所知和认可，不是品种权保护的范围。
（四）、田间种植鉴定是法定的鉴定程序。
对被控侵权品种是否授权品种进行的鉴定，属于种子真实性鉴定。农作物种子真实性鉴定，应依据GB/T3543.5-1995进行。GB/T3543.5-1995规定，“种子真实性是指供检品种与文件记录是否相符。”田间小区种植鉴定是GB/T3543.5-1995规定的鉴定程序，而其开章明义地指出：“田间小区种植是鉴定品种真实性和测定品种纯度的最为可靠、准确的方法。”该标准未规定电泳法是测定植物品种真实性的程序，所以，应当采用国家标准GB/T3543.5-1995进行植物品种真实性鉴定。在有国家标准的情况下，不应采用不属国家标准的电泳法进行蛋白质测定。
二、田间种植鉴定的科学性。
（一）、依据遗传学理论，根据表现型判断的结果比较可靠。
一个植物品种的特征特性，是其内部基因（称为基因型）和外部环境条件共同作用下表现于外部的性状（称为表现型），即植物品种的特征特性是内因（基因）和外因（环境条件）共同作用的结果。一个植物品种有什么样的表现型必有什么样的基因型，但有什么样的基因型不一定就有什么的表现型。高产品种虽有高产基因，在肥水充足的良田虽表现高产，但在旱薄地不能高产；而低产品种无论在良田或旱薄地均不能高产，即是这个道理。
田间种植鉴定在鉴定外部性状的同时测定了其内在基因；而电泳法测定只能测定内部基因，不能测定作为品种权保护的特征特性等外部性状。田间种植鉴定依据的是植物品种表现出的特征特性，而电泳法测定依据的是种子籽粒分离出的蛋白质、氨基酸等生物大分子在电场影响下的移动。植物品种经种植表现出什么样的特征特性必有什么样的基因；而电泳分离出植物品种含有某种基因，在没有适宜的条件下，该种基因不会发生作用，表现不出性状。男人有长胡须的基因，但如认定没长胡须的小男孩是女人，将是幼稚可笑的。田间鉴定既鉴定了内因又鉴定了外因，能鉴定植物的特征特性；电泳测定仅能考查内因，不可能测定植物的特征特性；所以田间鉴定较电泳测定科学。
（二）、依据概率论理论，田间种植鉴定具有代表性。
1、样本的代表性。依据GB/T3543.2-1995（农作物种子检验规程.扦样），大白菜种子田间种植鉴定送检样品最小重量是100克。由于没有电泳法测定大白菜种子真实性和纯度的法定标准，参照电泳法测定大麦、小麦种子纯度（注意：不是真实性）的国家标准，包括各种药剂、溶剂在内，样品吸取量也仅为10-20微升（UL）。不足20UL的液体与100克籽粒的代表性相比，谁大谁小不言自明。
由于电泳法测定取样太小，代表性太差，出现错将相同品种误定为不同品种或错将不同品种误定为相同品种的概率太大，所以，电泳法不如田间种植法科学。
2、差异性分析的准确性。田间种植鉴定种子的真实性，其鉴定结论是通过对调查数据进行统计分析后，根据其差异性大小判定是否具有同一性的。如果被控侵权品种与授权品种差异的概率小于或等于1%，证明其极可能是同一品种（概率论称为差异极不显著）；如果概率小于或等于5%，证明其可能是同一品种（概率论称为差异不显著）。法院据此下判，判定其是同一品种的正确率就达95-99%以上，能达到高度盖然性的证明标准。
因为同一种作物不同的品种之间差异性很小，一个新品种能比对照品种增产5%或增加一个优良性状或淘汰一个不良性状就很好了；如果能增产10%或改进一个质量性状将是极好的品种。如“鲁白16号”比其对照品种“鲁白10号”在1995年增产仅为1.6%，其仍被审定为新品种。一个质量性状对应的往往是一个基因或几个基因，品种间一两个质量性状的差异或百分之一点多的数量性状的差异，靠几微升的溶液测定，并用其测定结果判决是非，风险性太大。所以，国家没有将电泳测定法列为品种真实性鉴定的方法，未制定其标准。
三、田间种植鉴定的可行性。
田间种植鉴定是小区鉴定，一般小区面积只有几平方米，用种量较少，国家保藏中心有足够数量的种子供鉴定所用。即使国家保藏中心保藏的授权品种的种子量不能满足田间种植鉴定用种，依据《植物新品种保护条例》实施细则的规定，品种权人也应提供鉴定所用的种子。作为品种权人，不可能提供不出供鉴定所用的种子。所以，田间种植鉴定是可行的。
四、对杂交种进行田间种植鉴定的特殊性。
对杂交种，品种权保护的范围是杂交种本身和其父、母本特定的杂交组合。这就是说，品种权既不保护杂交种的种子，也不保护其父本与母本反交产生的杂交种；还不保护其亲本本身；更不保护其亲本与其它繁殖材料杂交产生的杂交种即授权杂交种的同父异母兄弟、同母异父兄弟以及表兄弟、堂兄弟等。但是，授权杂交种的双亲均与授权杂交种有50%的核基因或性状一样；两亲本的反交杂交种，与授权杂交种的核基因100%一样，只有少量的细胞质基因不同，其性状相同处在98%以上；授权杂交种的亲本与其它繁殖材料杂交产生的杂交种，均是授权杂交种的同父异母或同母异父兄弟，应有50%以上的基因一样；授权杂交种的种子即F2，虽为分离世代，但仍有绝大多数与授权杂交种的基因和性状相同。总之，授权杂交种与其父、母以及同父异母兄弟或异父同母兄弟基因型和表现型差异很小，不进行田间种植鉴定，很难区分其差异性即特异性。
杂交种本身不具有稳定性。它不像常规品种能够“种瓜得瓜，种豆得豆”，其自身具有稳定性。杂交种的亲本是常规品系，其上下代之间性状遗传具有稳定性，这是杂交种稳定性的真正含义。杂交种的真实性鉴定要比常规种真实性鉴定复杂得多。
五、应用电泳法测定受限制。
目前，科学已测定清楚玉米、水稻、小麦的全部基因及其排序，并绘制了其基因图谱，所以，对玉米、水稻、小麦等已绘制基因图谱的作物，采用电泳法或其它方法测定其基因，用其基因图谱与标准基因图谱对照，可以测定其品种纯度。对于基因的排序未测定清楚，未绘制出基因图谱的农作物，无法采用电泳或DNA分析方法对其差异性进行测定。这也是我国法定检测机构承办用电泳法测定玉米种子纯度，而不承办用电泳法测定大白菜等杂交种的种子纯度的缘由所在。
关键词：织物瑕疵检测；特征选取；主成分分析；模糊C均值聚类算法；瑕疵图像；高维特征文献标识码：A
中图分类号：TP391文章编号：1009-2374（2016）09-0029-02DOI：10.13535/ki.11-4406/n.2016.09.013
特征提取和特征选择是图像检测的关键问题，它直接影响到后续处理中分类器的设计以及整个算法结果的性能。特征提取和特征选择是从原始特征中找出最有效（同类样本的不变性、不同样本的鉴别性、对噪声的鲁棒性）的特征。特征提取过程的实质是通过映射或变换的方法，将高维空间中的特征描述用低维空间的特征来描述。特征选择则是从众多特征中找出那些最有效的特征来实现降维。
Yoshio等人在对织物进行疵点检测时，把灰度共生矩阵作为图像的特征值，通过Bayes决策对疵点进行分类和评判；Cohen等人采用了基于模型的特征提取方法，他采用高斯马尔科夫随机场（GMRF）纹理模型作为织物疵点检测的特征值，然后进一步进行疵点的判别和分类，然而GMRF模型的计算量往往很大，而且实现起来较为复杂，检测的实时性不高，尤其对于在线检测尤为困难；步红刚等人对织物纹理估计了4个分形参数组成特征向量，并采用欧式检测器完成了织物瑕疵检测；张卉在参考文献[5]中将分形和小波理论相结合提取了织物瑕疵的纹理特征；步红刚在参考文献[6]中为了更细致地描述瑕疵纹理、降低检测错误率，提出了一种兼顾纹理概貌与细节信息、经向和纬向信息的混合特征向量提取思想，并采用单类模糊聚类检测器完成了织物瑕疵的检测。本文研究织物瑕疵检测过程中的特征提取与选择时，基于主成分分析方法，选择具有代表意义的特征，对特征空间降维，减少运算成本，以图提高检测速度和检测结果的准确率。
1主成分分析原理
1.1主成分分析的思想
主成分分析是采取一种数学降维的思想，找出几个综合变量来代替原来众多的变量，使这些综合变量能尽可能地代表原来变量的信息量，而且彼此之间互不相关。具体做法就是找到少数几种线性组合，用这些组合来代替原来较多的变量，并且尽最大努力保留原来所有变量所包含的信息，这些组合指标就是主
成分。
1.2主成分分析步骤
（1）对原始数据标准化处理；（2）计算相关系数矩阵R；（3）求出相关系数矩阵R的特征根，得到特征值λ1≥λ2≥…≥λp≥0和相应的特征向量μi=（μi1，μi2，…，μip），i=1，2，…，p；（4）计算主成分贡献率和累积贡献率，本实验取累积贡献率为95%的特征值对应的主成分；（5）计算主成分得分，根据标准化后的原始数据，分别带入主成分表达式，就可以得到各主成分下的各个样本的新数据即主成分得分。
2织物图像特征提取
为了能够提取到尽可能全面地反映织物瑕疵的关键特征，本文基于织物瑕疵图像的特点，从多角度入手，分别提取了基于分形维的空隙特征、多重分形特征、傅里叶变换特征、小波变换特征共计19维特征，作为原始的织物瑕疵图像的特征空间。
2.1空隙特征
分形在计算机视觉领域最为成功的应用是在纹理识别领域。分形维数作为纹理信号的一种特征，具有光照、几何形变不变性等优点，所以这种特征在不同情况下对纹理的识别率都很高。Mandelbrot引入空隙（lacunarity）这个术语去描述具有不同外表或纹理的分形及具有相同的分形维这一性质。
2.2多重分形特征
多重分形特征可用广义维数谱曲线q-D（q）来描述，广义维数谱比简单分形维数携带了更丰富的图像特征信息，多重分形广义维数谱的宽度对应了场中数值的差异性程度。当应用到织物图像检测时，正常织物图像的灰度梯度的差异性较均匀，而出现瑕疵时的灰度梯度的差异性分布则比较奇异，便可以利用广义维数谱的宽度来区别瑕疵点。本文通过3个不同的q值对应的D（q）作为3个特征值。
2.3傅里叶变换特征
傅里叶变换是把图像从空间域变换到频域的常用方法，傅里叶功率谱数值的大小反映不同频率成分的强度。提取傅里叶变换特征，其依据是不同的特征反映着样本不同的方向、纱线密度、亮度或纹理周期的规律
性等。
本文采用通过长方环周向谱能量百分比法提取的8个方形能量环各个百分比作为8个特征。
2.4小波变换特征
由于本文实验选取的样本是128×128像素的图像，为了提取得到更多的信息，进行了二阶小波分解（分解阶数过多后得到的子图像过小不适合作为特征选用），因此采取对原本织物图像样本进行一阶和二阶小波变换的后水平和垂直细节图像共7个子图像灰度值作为7个
特征。
3模糊C均值聚类（FCM）聚类算法
对运用主成分分析选取的主成分特征组合数据，用FCM算法进行聚类划分。
模糊C均值算法的基本思想是使目标函数迭代最小化，目标函数为：
（1）
式中：U=[uik]为隶属度矩阵；uik是第k个样本对于第i类的隶属度；m是加权指数；V是类中心矩阵；dik2=||xk-vi||2是样本xk与聚类中心vi的欧氏距离；J（U，V）值越小说明聚类效果越好。约束条件：某一个样本对于各个聚类的隶属度之和为1。
在约束条件下计算式（1）的极小值，用偏导数为0得到极小值必要条件：
（2）
（3）
根据式（2）和式（3）可循环迭代得到满足要求的聚类中心和隶属度矩阵结果，具体步骤如下：（1）设定算法的相关参数，如聚类类别数c、加权指数m、最大迭代数tmax、各个初始聚类中心vi、迭代次数t、迭代结束误差e；（2）基于当前的聚类中心利用式（3）计算隶属函数；（3）基于当前隶属函数根据式（2）更新织物图像各个类别的聚类中心；（4）选用适宜的矩阵范数e，若||Uk+1-Uk||≤e或t≥tmax，则停止迭代，结束运算，否则t=t+1，返回步骤2。
4实验结果与分析
本实验选取的织物瑕疵样本种类是双纬瑕疵，样本图片均为128×128像素，取正常样本100幅，瑕疵样本50幅进行实验。首先对织物图片样本进行了直方图均衡化处理，有效抑制了噪声的影响；随后按照第2部分选取的特征分别提取到了相应的特征，并分别对特征进行归一化处理，于是得到了原始的19维织物图像特征；然后通过主成分分析算法后得到8个新特征；最后采用FCM聚类算法对特征空间进行聚类，得到正常和瑕疵两类，实验结果如下所示：
对于原始19个特征，正常样本分类正确率为85.52%，瑕疵类正确率为83.11%，平均正确率为84.31%，平均聚类时间为14.1～17.7s。
主成分8个新特征，正常样本分类正确率为91.61%，瑕疵类正确率为87.08%，平均正确率为89.35%，平均聚类时间为8.3～11.5s。
从实验结果可以看出，经过主成分分析后得到的新特征，比原始选取的19个特征，在聚类正确率和聚类消耗时间上均有显著提升。
5结语
本文提出了较多织物图像特征，然后用主成分分析对这些特征进行了筛选，得到贡献率比较高且重叠效果较少的特征，对原始较多的特征实现了降维，减少了后续聚类算法所需时间，提高了性能。从实验结果可以提取的织物图像特征是有效的，采用的主成分分析对织物瑕疵特征进一步选取后在准确性和算法时间消耗上更进一步提高，这对于织物瑕疵检测在实际生产中的应用有重大意义。
参考文献
[1]YoshioShimizu.ExpertsystemtoinspectfabricdefectsbyPatternrecognition[J].Sen-IGakkaish，2000，46（1）.
[2]FSCohen，ZFan，SAttali.Automatexlinspectionoftextileusingtextmalmodels[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，2001，13（8）.
[3]徐贵力，毛罕平.利用傅里叶变换提取图像纹理特征新方法[J].光电工程，2004，（11）.
[4]步红刚，黄秀宝，汪军.基于多分形特征参数的织物瑕疵检测[J].计算机工程与应用，2007，43（36）.
[5]张卉.基于分形与小波理论的特征提取方法研究与应用[D].武汉理工大学，2008.
[6]步红刚.基于混合特征向量和单分类检测器的织物瑕疵自动检测研究[D].东华大学，2010.
关键词:面向对象航空影像建筑物提取光谱特征
中图分类号:P2文献标识码:A文章编号:1672-3791(2012)06(c)-0003-02
面向对象信息提取是以对象为基本单位来进行的,其关键步骤有两个:多尺度影像分割(对象生成)和影像信息提取。其中,分割(对象生成)是面向对象信息提取方法的基础,分割结果的好坏直接关系到后续信息提取结果的精度。本文提出的面向对象的建筑物外形提取基本思路是:预处理多尺度分割建筑物特征选择初步提取优化外形。
1预处理
本文的预处理采用影像融合,随着多种遥感卫星的发射成功,我们有了许多可利用的多传感器、多时相、多分辨率和多光谱遥感影像。遥感影像的信息提取常常要求把多传感器、多时相、多光谱和多分辨率影像进行融合分析,以提取感兴趣的信息。
图像融合的定义可描述为:将传感器获取的图像数据预处理后,采用一定的算法将各图像中所包含的信息有机的结合起来,以产生新的数据,来获得对同一事物或目标更客观、更本质的认识。从而大大提高融合图像的信息含量并使其在特征提取、分类、目标识别以及目视效果等方面更为有效。其优点可以归纳如以下几点。
(1)可靠的数据来源。在有若干传感器不能被利用或受干扰,或某个目标/事件不在覆盖范围内时,至少有一种传感器可以提供图像信息。(2)增加测量维数,增加了置信度。利用对同一目标的多波段、多时相、多角度的图像数据可以更全面地揭示目标的本质特性,提高目标判别结果的可靠性。(3)提高了空间分辨率。多传感器孔径可以获得比任何单一传感器更高的图像分辨率。(4)信息互补。不同的影像传感器由于其观测能力的片面性,不能全面的反映地物的整体信息,将不同类型、不同时相的影像数据进行针对性的融合可以进行信息互补。(5)改进了系统的可靠性和可维护性,且降低了对单个传感器的性能要求。
通过实验要求及实验所得效果比较,采用本文主成份变换融合法对Quickbird全色和多光谱图像进行融合。
2建筑物特征选择
建筑物特征选择与提取是在影像分割得到多边形对象基础上进行的,通过分割得到多边形对象并不是最终目的,而是为后续分类提供更多的描述特征,参与影像分类的因子不仅包括对象的光谱信息,还有对象的纹理、形状、拓扑、语义等信息,但并不是特征越多,效果越好,特征提取也是研究的关键。由此,本节重点定量化描述了这些特征,并介绍了特征提取的策略,同时提出并解决了特征选择与提取实现中的关键问题。影像对象包含了丰富的特征信息,它主要包括光谱、几何、纹理等特征。
2.1光谱特征
光谱特征是所有描述影像对象与像元灰度值相关特征的集合,反映对象的光谱信息。它包括影像对象的均值、均方差、亮度、比率等。
2.2几何特征
影像对象的形状特征反映了对象的几何特征,形状特征是所有描述影像对象本身形状特征的集合,反映对象的形状方面的信息。它是在提取区域边界点的基础上形成的,计算形状特征的理论基础是根据矢量化后各点的坐标组成的协方差矩阵,即:
其中,X和Y分别是该对象的所有像元坐标(x,y)组成的矢量,var(x),var(y)分别是X和Y的方差,cov(XY)是X,Y之间的协方差。
2.3纹理特征
纹理在遥感影像分类中占有重要地位,描述纹理最常用的方法有灰度共生矩阵(GreyLevelConcurrenceMatix,GLC-M)。通过分析与实验,得到建筑物与其他地物对比度较大的有光谱特征和形状特征。所以本文将从光谱特征和形状特征中选择特征参数进行提取建筑物外形。
3建筑物外形初步提取
本文使用基于模糊规则的分类器进行提取建筑物外形。模糊分类器能够较准确地提取所属类别的对象。选择不同地物最优尺度对原始影像分割而成的多尺度影像是进行地物信息有效提取的前提,它是将固定尺度的影像转换为各种地物对应的尺度影像,使地物在各自的最佳尺度上显示,尺度分割只完成了面向对象影像分析的一部分。要想提取出感兴趣的地物就必须要对影像对象进行分类,研究表明模糊分类器分类影像对象效果较好。一般模糊分类器的设计要考虑以下几方面内容。
(1)模糊特征空间选择,即在众多的特征中选择相对独立的特征组成模糊空间。
(2)模糊分类规则的建立。
(3)模糊集隶属函数(MembershipFunetion)的选择及参数调节。
例如水体的提取可以通过下面的表达式来建立模糊规则。
IfLayermeanofNir(Object)∈[a,b]
Thenclass(Object)=Water.
但是在面向对象分类时,经常出现有些类别不能由单条模糊规则进行有效区别。如河流的分类则不仅需要近红外波段低反射值条件还需要形状特征length/width来区分河流和其他的水域,length/width值越大,对象越呈线状,因此水域属于河流。多条件规则表达式的建立需要表示逻辑的“and”、“or”、“not”等连接,如下河流提取表达式:
If(LayermeanofNir(Object)∈[c,d])AND(length/width(Object)∈[e,f])Thenclass(Object)=river
这样的分类器一方面可以完成非常复杂的分类任务,另一方面也使得分类过程在细节方面透明、可调节。
关键词：高中美术素描教学思路
在美术素描教学中，结构观念在造型艺术的意义上是指对描绘物象在解剖结构和形体结构上的认识与理解，是实现形态结构造型化的主观思维方式。结构观念的建立，旨在素描基础训练中从理解形态开始，从结构造型起步的较高的学习起点以理性的、科学的观察方法和思想方法，破除习惯的视觉经验和思维方式。下面谈谈笔者在高中美术素描教学中的基本思路。
一、素描教学中结构观念的建立
构成形体的要素是点、线、面，而点、线、面又是相互转换的，点的重复排列成线，线重复排列成面，而在一定的视距内看面则成点，如果面拉长则成线。人类起初认识万物侧重的是形状，形状用线来表现最直接。所以，线的造型能力是很强的。在素描基础训练中，培养和建立造型上的结构观念，加深对所描绘物象在解剖结构上的研究与理解，弄懂结构原理并运用结构造型对学生来讲，都是在素描基础上有待解决的课题。这关系到学生在习画过程中能否获得正确的理性思维方式和深入体察形态内在结构的能力，能否尽快走出模仿客观表象的误区，在造型上得到理性的升华。
在基础训练中，经常会出现这样的情况，学生面对所描绘的课题，兴趣和注意力往往集中在物象吸引人的某些细节上或咀暗变化丰富的光影上，并不加选择地试图把这些客观因素表现出来，虽然花费了很大精力，结果却事倍功半，要么画面仅有肖似的轮廓和浮华的外表，缺少具有溯艮性的内在骨架，要么画面整体缺少必要的联系，形象单薄，内容空泛等。这些问题的存在，固然有习画者手头技巧不熟练的因素，但究其根本原因是结构造型观念淡漠，缺乏对物象在结构本质上的深入观察和深刻理解使然。这种急功近利的学习态度和盲目模仿客观表象的习画方法，必然导致学习上的弯路，甚至使学习停滞不前，因此，必须建立造型的结构观念。应当明确素描基础训练的目的并不只是在技巧上表现物象，更重要的是学会正确观察和理解物象的造型特征，把握物象的本质结构和普遍的造型规律，这实际上是一个理性思维过程，它强调的是对物象本质特征的洞察能力和分析能力。
在素描基础训练中，建立自觉的结构形态观念，是对所描绘物象观察、认识、理解、表现等诸多方面的综合调整过程，综合调整的目的，就是要强化对象造型结构因素在理性上的感知能力，掌握造型的主动性。
二、素描教学中必须让学生认识形状与结构
形状与结构是物体在空间中存在形式的客观反映，它们是相互依存的，共同支配着物体的形态特征和结构特征。并在空间上和力学上始终保持着协调一致的形式一体感、量感、质感和运动方式，它们共同构成了物象形态的基础，把握着自然界一切物体的平衡。
就视觉经验而言，眼睛可以毫不费力地把握物象形状的基本特征，这是每个视力健全的人都可以做到的，但是，在造型活动中，仅以看到的形状当做物象特征的全部，显然是错误的，一双没有经过训练的普通人的眼睛和画家的眼睛，对同一物体的形状在特征上会有着显著不同的认识，前者可能注意形状的表面因素，而后者可能更注重物体形状的本质结构特征。
因此，在素描基础训练中，学生首先要打破以往认识物象形状的习惯方法和视觉经验。加强对象实体上的凸起、凹进、转折等形态特征，在解剖上深入研究与分析，提高和发展对所描绘物象本质特征的观念能力与综合能力，并从中提炼出物象可塑的结构型因素——使素描基础训练由盲目模仿对象转变为主动表现对象与创造对象的积极实践过程，从根本上扭转被动造型的局面，改善和提高学习质量。
三、素描教学中结构的几何形成因素
结构是物象组合秩序和搭配关系在结构形式上的客观反映，它具有支配物象形状本质特征的功能。不同的物象都有其自身的组合秩序和描配形式，构成丰富多彩的形态结构样式，但无论它们的形态变化如何复杂，都具有构成其基本特征的总体形式规律——几何式结构形式。
人们所熟知的几何形体是经过科学分析从万物繁杂的形体结构中提炼、概括出来的最筒约和最具有代表性的普遍规律的结构形式。任何个体的物象不过是这基本结构规律个别秩序的重新排列与组合，它们在构造上存在着几何式的结构因素。我们所描绘的物象在结构上可能是抽象的、内在的，有的甚至是不可视的，只要我们以造型的结构观念区别观察它、研究它，就能够发现其复杂形态中几何式结构特征，从而把握住它在造型上的结构要点，并通过个性鲜明的艺术语言把物象还原到关键的结构形态之中。
几何式结构形式在造型上的应用，是一个分析理解、提炼和概括物象复杂结构的实验过程，这个过程在于把物象丰富的多样化的结构形式组织在一个简明、统一的结构形式之中，从而在素描基础训练中提高习画者对物象结构本质的观察能力和分析能力，在基础训练与创作实践中超越自然表象，转化为自己心灵的构造。
素描是诸多绘画形式的基础，是一门单独艺术素描形式，也可以独立表达艺术家某种特有的观念。独立的语言与表现力传达着画者的情感，在传达中完成自己的作品。一方面细心地追求模仿自然，另一方面决不失掉心里的感受。现实的东西只不过是艺术的一部分，只有感性才能使它完整，只有你受感动，你才能把直接的感受传给别人。所以，在素描学习中只有用真情来表现你的感受，才能获得。形式永远是为内容服务的，素描教学只是素描艺术中的过程。
综上所述，在素描教学的基础训练中，建立和强化结构观念是提高造型艺术技能、掌握造型基本规律的有效途径，它对完善素描基础训练，培养具有坚实造型基本功和较强创造力的美术人才有一定的作用。