基于NiosII的人耳识别技术研究

论文摘要

生物特征识别技术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,正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,要开发出实用的人耳识别系统,还有许多问题需要解决。本文的研究重点主要包括:人耳特征匹配算法、硬件平台设计与NiosII软核生成,以及uClinux操作系统的移植三个部分。在人耳特征匹配算法方面,研究了改进二维主成分分析算法(2DPCA),通过进一步压缩2DPCA算法提取的人耳特征维数,部分解决了原有2DPCA算法所提取的人耳特征维数较大的问题,并通过BP神经网络进行分类。实验结果表明:将改进的2DPCA算法同BP神经网络相结合,节约了特征数据的存储空间,并保持了良好的识别率。在硬件平台设计方面,对人耳识别的硬件系统的功能需求进行了分析,详细研究和设计了以NiosII软核为中心,包括外部存储器、串口通信接口的嵌入式系统硬件平台。在uClinux操作系统移植方面,主要研究了uClinux操作系统及其文件系统的结构特点,探讨了uClinux操作系统内核裁减和编译的方式以及Bootloader引导程序工作流程,并给出了具体的实现步骤。本课题中人耳特征匹配算法在MATLAB上仿真效果良好,另外还完成了硬件平台的搭建和uClinux操作系统的移植,并在其基础上验证了部分人耳分类匹配程序,为最终实现基于嵌入式系统的人耳识别技术奠定了基础。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 人耳识别技术背景
• 1.1.1 生物特征识别技术介绍
• 1.1.2 人耳识别可行性依据
• 1.1.3 人耳识别技术研究现状
• 1.2 SOPC 技术发展历程
• 1.2.1 SOPC 技术简介
• 1.2.2 生物特征识别领域的嵌入式发展趋势
• 1.3 论文的主要研究内容及创新
• 1.4 本文的结构安排
• 2 人耳图像的采集及预处理
• 2.1 人耳图像库的建立
• 2.2 人耳图像的预处理
• 2.2.1 中值滤波处理
• 2.2.2 直方图均衡化处理
• 2.3 本章小结
• 3 人耳图像特征提取及分类识别
• 3.1 人耳图像特征提取方法概述
• 3.1.1 不变矩方法
• 3.1.2 ICA 方法
• 3.1.3 LBP 方法
• 3.1.4 PCA 方法
• 3.2 基于2DPCA 算法的特征提取
• 3.2.1 2DPCA 算法简介
• 3.2.2 改进的2DPCA 算法
• 3.3 BP 神经网络
• 3.3.1 人工神经网络介绍
• 3.3.2 BP 神经网络构造
• 3.4 基于MATLAB 的仿真实验
• 3.4.1 实验对象
• 3.4.2 改进效果及分类结果分析
• 3.5 本章小结
• 4 SOPC 片上可编程系统
• 4.1 SOPC 系统概述
• 4.2 Cyclone 系列简介
• 4.3 NiosII 软核处理器概述
• 4.3.1 NiosII 软核简介
• 4.3.2 NiosII 软核开发环境及开发流程
• 4.4 Avalon 总线
• 4.5 本章小结
• 5 NiosII 系统的构建及uClinux 移植
• 5.1 开发硬件平台
• 5.2 NiosII 软核构建
• 5.2.1 NiosII CPU 及其IP 核接口
• 5.2.2 原理框图设计
• 5.3 uClinux 系统移植
• 5.3.1 标准Linux 系统概述
• 5.3.2 uClinux 与标准Linux 差异
• 5.3.3 uClinux 移植概述
• 5.3.4 Bootloader 程序的实现
• 5.4 本章小结
• 6 总结与展望
• 致谢
• 参考文献
• 附录
• A. 攻读硕士期间发表的论文目录
• B. 攻读硕士期间取得的科研成果目录