论文摘要
生物特征识别是利用人类特有的生理或行为特征来识别个人身份的技术,它提供了一种高可靠性、高稳定性的身份鉴别途径。人耳识别是目前生物特征识别领域中一个新的分支,同时也是计算机视觉和模式识别领域中极具挑战性的课题之一。由于人耳特殊的生理位置和结构特征使得人耳识别在公共安全、信息安全等领域具有潜在的应用前景,越来越引起人们的关注。目前人耳识别的研究还处于实验测试阶段,要开发出真正鲁棒、实用的人耳识别系统,还需要解决许多问题。本文针对目前人耳识别中存在的问题进行了较为深入的研究,主要工作有以下几个方面:1)概述了人耳识别的发展、现状和应用前景。对人耳生物特征识别技术的可行性、研究的内容、优势与缺陷进行了探讨,对目前人耳识别的方法进行了全面的综述,并对人耳识别目前存在的主要问题进行了总结。2)研究了人耳图像预处理问题。提出了一种基于模板匹配和遗传算法的人耳图像分割方法,可以从2D灰度人侧脸图像上分割出人耳,得到只包含人耳的最小矩形区域。3)研究了人耳图像的边缘检测问题。首先根据人耳的位置和外形特点提出了一种基于边界跟踪的人耳外轮廓检测方法。按照耳廓边界的不同走势对外耳轮廓进行跟踪可以精确提取整个外耳轮廓曲线。然后根据人耳边缘的特点,提出基于曲面主曲率的边缘检测方法,在此基础上为了检测弱边缘又提出了基于Hessian矩阵的多尺度边缘检测方法,可以提取稳定的人耳边缘曲线。实验结果表明这些方法都能有效提取人耳图像边缘。4)研究了轮廓曲线的配准问题。根据人耳外轮廓曲线的特点提出了一种基于改进Hausdorff距离的外耳轮廓曲线配准方法。该方法对人耳图像的位置变化和平面旋转变化非常鲁棒,为了进一步提高识别率,再利用内耳的广义特征点进行精确识别。5)研究了不变量特征在人耳识别中的应用。尺度不变特征变换技术(SIFT)可以在人耳图像中提取稳定的特征关键点和鲁棒的特征描述子向量。将其与Gabor小波技术相结合,利用Gabor小波的空间局部性和方向选择性的优良特性,构造低维的点特征描述子向量Gabor-SIFT,在不改变识别精度前提下可以有效提高匹配效率。此外,针对局部特征算子匹配的缺陷提出了一种基于SIFT特征与几何特征相融合的识别方法,可以消除由于一幅图像有多个局部区域相似而产生的歧义,对有光照变化和一定旋转角度变化的人耳图像识别取得了较好的效果。6)研究了力场转换理论及其在耳识别中的应用。提出了一种基于力场转换理论的人耳特征提取方法。根据人耳的特征,将力场模型分别应用人耳图像和经能量转化后的人耳图像,可以提取外耳轮廓形状特征点和内部的结构特征点,提取的特征具有稳定性、唯一性和强的区分能力,对图像刚体变换具有不变性,可以有效消除光照变化对耳识别的影响,解决对姿态变化和头部深度旋转引起的局部变形所造成的识别率低等问题。
论文目录
摘要Abstract第一章 绪论1.1 引言1.2 人耳识别及其研究现状1.2.1 人耳生物特征1.2.2 人耳识别研究可行性分析1.2.3 人耳识别的优势和不足1.2.4 人耳识别研究内容1.2.5 人耳识别难点1.2.6 人耳识别系统性能的评价1.3 人耳检测与识别方法综述1.3.1 人耳检测方法综述1.3.2 人耳识别技术研究综述1.4 本文的工作第二章 人耳图像预处理2.1 人耳图像库2.2 人耳图像分割2.2.1 人耳检测2.2.2 基于模板匹配的人耳检测2.2.3 基于改进遗传算法的搜索策略2.2.4 人耳检测实验结果2.3 人耳图像滤波2.4 人耳图像归一化2.4.1 光照归一化2.4.2 尺寸归一化2.5 本章小结第三章 人耳图像边缘检测3.1 基于边界跟踪的人耳外轮廓提取3.1.1 阈值分割定位人耳上部顶点3.1.2 耳廓上部顶点确定3.1.3 差分图像3.1.4 外耳轮廓跟踪算法3.1.5 人耳外边缘轮廓提取实验结果3.2 基于曲面主曲率的人耳边缘提取方法3.2.1 算法原理3.2.2 曲率图像计算3.2.3 自动阈值分割3.2.4 实验结果3.3 基于多尺度Hessian矩阵的人耳弱边缘提取3.3.1 Hessian矩阵3.3.2 不同尺度的主曲率图像3.3.3 自动阈值分割3.3.4 实验结果3.4 本章小结第四章 基于曲线配准和点特征结合的人耳识别4.1 外耳轮廓线匹配4.1.1 Hausdorff距离的定义4.1.2 根据耳廓形状中心点确定初始变换参数4.1.3 搜索最佳变换参数4.1.4 基于改进Hausdorff距离的外耳轮廓曲线匹配4.2 基于局部特征点的精确匹配4.2.1 广义特征点4.2.2 基于特征点的精确匹配4.3 实验结果分析4.3.1 参数的选取4.3.2 外耳匹配实验4.4 本章小结第五章 基于不变量特征的人耳识别5.1 尺度不变特征变换技术5.1.1 尺度空间5.1.2 SIFT算子5.2 耳廓几何特征不变量5.2.1 人耳几何向量的构造5.2.2 几何向量不变性证明5.3 SIFT特征与几何特征融合5.3.1 信息融合5.3.2 人耳SIFT特征与几何特征的融合5.4 SIFT的扩展算法5.4.1 PCA-SIFT5.4.2 GLOH5.5 Gabor-SIFT算法5.5.1 二维Gabor小波变换5.5.2 二维Gabor滤波器组的参数5.5.3 Gabor-SIFT算法5.6 实验结果分析5.6.1 算法中参数的设置5.6.2 实验结果与分析5.7 本章小结第六章 基于力场转换技术的人耳识别6.1 力场转换6.1.1 能量转换定义6.1.2 力场转换定义6.1.3 能量场和力场转换的线性可逆分析6.1.4 耳廓特征点的定义6.1.5 力场转换过程的模拟6.1.6 不变性分析6.2 人耳特征提取6.2.1 内耳结构特征点提取6.2.2 耳廓边缘形状特征提取6.3 实验结果与分析6.4 本章小结第七章 结论7.1 本文研究内容及主要成果7.2 后续工作参考文献附录 缩略词注释表在学研究成果致谢
相关论文文献
标签:生物特征识别论文; 人耳识别论文; 外耳分割论文; 边缘检测论文; 特征提取论文; 几何特征论文; 尺度不变特征变换论文; 小波论文; 特征融合论文; 力场转换论文;