导读:本文包含了耳廓识别论文开题报告文献综述及选题提纲参考文献，主要关键词:耳廓识别,PCA,Iannarelli,局部特征
耳廓识别论文文献综述
王森,王璐,洪靖惠,李思慧,孙晓鹏[1]（2015）在《基于Sparse ICP的叁维点云耳廓识别》一文中研究指出提出一种新颖的叁维耳廓识别方法,首先基于PCA和SVD分解对叁维耳廓点云模型进行归一化预处理,以统一数据库中所有耳廓点云模型的位置与姿态;然后基于Iannarelli分类系统提取叁维耳廓的4个局部特征区域,并利用Sparse ICP算法对局部特征区域进行匹配;最后根据局部特征区域中对应点间的距离判断耳廓之间的差异测度,实现耳廓形状识别。实验证明,本文算法与其他算法相比具有较高的识别精度和识别效率。(本文来源于《图学学报》期刊2015年06期）
黄卓垚,李一伦,滕东东,王彪[2]（2009）在《基于光学体全息的耳廓识别技术的研究》一文中研究指出光学体全息相关识别技术由于能够实现待识别图像和多幅模板图像的同时对比,和传统电子识别的串行比较相比有速度快的特点。但和计算机识别技术相同的前处理过程,制约了其速度快这一优点的发挥。结合光学体全息相关识别技术的特点,提出以耳廓为识别特征的快速稳定的前处理方法,并通过实验验证光学耳廓识别方法的可行性和优势。(本文来源于《中山大学学报(自然科学版)》期刊2009年S2期）
苑玮琦,赵晶[3]（2009）在《基于力场转换理论的耳廓识别》一文中研究指出本文提出了一种基于力场转换理论的人耳识别方法,在检测出耳廓边缘的基础上,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对人耳图像特征点进行定位,最终利用提取出的"势能阱"和"势能渠"实现匹配与识别,经在选用的耳廓图库上实验,错误接受率FAR为1.28%,错误拒绝率FRR为6.28%。(本文来源于《自动化技术与应用》期刊2009年01期）
苑玮琦,万新[4]（2008）在《基于耳廓参数与面部特征相结合的人耳识别》一文中研究指出针对外耳轮廓特征与人脸五官的比例关系,提出一种基于耳廓几何参数与面部结构特征相结合的生物鉴别方法。该方法将外耳轮廓与人脸某些特征相结合,如特征向量中包括人耳宽度与两眼瞳孔之间的水平距离之比、人耳高度与眼睛和嘴之间的垂直距离之比。实验结果表明,该算法简单、可操作性强,对数据采集设备及采集条件要求较低,识别率较高。(本文来源于《计算机工程》期刊2008年04期）
苑玮琦,万新[5]（2007）在《基于眼、嘴、耳廓之间结构关系的人耳识别》一文中研究指出人耳识别作为一种新的生物特征识别技术,正在逐步成为该领域中的热点。本文针对眼、嘴、外耳轮廓的结构关系,提出一种多模态生物特征识别方法。该方法提取的特征向量包括八项特征,比如外耳轮廓宽度与两瞳孔之间水平距离之比、外耳轮廓高度与瞳孔和嘴之间的垂直距离之比、脸的宽度与两瞳孔之间水平距离之比,然后通过模式识别对样本进行分类。由于提取的特征均以相对量为主,所以该算法具有"缩放性",同时对噪声具有较强鲁棒性,识别效果较好。(本文来源于《微计算机信息》期刊2007年34期）
李雅娟,李智慧,宋志坚[6]（2007）在《基于耳廓特征的生物识别新技术》一文中研究指出耳廓检测和特征点的定位是基于耳廓的身份识别与验证新技术研究中非常重要的一部分。耳廓具有数据采集量少,便于建库,色泽分布一致,不受丰富表情影响等诸多优势。采用快速耳廓检测和定位技术,并基于耳廓图像可逆线性变换的方法,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对耳廓图像特征点进行定位。在实验分析过程中,首先解决了耳廓自动检测,并在此基础上定位和提取耳廓特征点,通过力场模型的调整,使得场线较好的收敛于某最近似像素点,解决了力场连续性和数字图像离散性的矛盾,取得满意结果。(本文来源于《计算机应用与软件》期刊2007年07期）
朱海华,李雅娟,宋志坚[7]（2006）在《基于图像力场转换的耳廓图像识别》一文中研究指出首先讨论了耳廓识别技术的可行性、可靠性及其特点,针对耳廓识别特点提出一种基于图像力场转换的耳廓识别方法(Force-field fisher classifier)．该方法通过力场图像转换提取耳廓图像特征后,采用Fisher线性判别分类识别,减小了光照变化对耳廓识别的影响．在我们选取的耳廓图像库上识别率达到了98.5%．(本文来源于《自动化学报》期刊2006年04期）
耳廓识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
光学体全息相关识别技术由于能够实现待识别图像和多幅模板图像的同时对比,和传统电子识别的串行比较相比有速度快的特点。但和计算机识别技术相同的前处理过程,制约了其速度快这一优点的发挥。结合光学体全息相关识别技术的特点,提出以耳廓为识别特征的快速稳定的前处理方法,并通过实验验证光学耳廓识别方法的可行性和优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
耳廓识别论文参考文献
[1].王森,王璐,洪靖惠,李思慧,孙晓鹏.基于SparseICP的叁维点云耳廓识别[J].图学学报.2015
[2].黄卓垚,李一伦,滕东东,王彪.基于光学体全息的耳廓识别技术的研究[J].中山大学学报(自然科学版).2009
[3].苑玮琦,赵晶.基于力场转换理论的耳廓识别[J].自动化技术与应用.2009
[4].苑玮琦,万新.基于耳廓参数与面部特征相结合的人耳识别[J].计算机工程.2008
[5].苑玮琦,万新.基于眼、嘴、耳廓之间结构关系的人耳识别[J].微计算机信息.2007
[6].李雅娟,李智慧,宋志坚.基于耳廓特征的生物识别新技术[J].计算机应用与软件.2007
[7].朱海华,李雅娟,宋志坚.基于图像力场转换的耳廓图像识别[J].自动化学报.2006
标签：耳廓识别; PCA; Iannarelli; 局部特征;