论文摘要
近年来,随着信息技术的蓬勃发展,基于生物特征的身份识别技术已成为目前信息处理研究领域的热点之一。立体赤足迹也是一种载荷着人体生理特征的重要痕迹信息。虽然足迹身份鉴别在刑事侦查等领域得到了长期的应用并积累了一定的专家经验,但由于足迹形成条件多变,数据采集、测量和特征描述与识别难度大,国内外学术界对于足迹所载荷的生物特征及其规律的研究尚不够活跃。足迹生物特征识别领域还有诸多问题需要解决。本文以立体赤足迹深度数据为研究对象,运用模式识别技术,探索研究基于三维曲面特征的立体赤足迹识别方法,取得了以下四个方面的研究成果:1、运用主成分分析和Fisher线性判别分析方法,构造了一种利用特征提取实现特征降维的立体赤足迹识别方法。该识别方法运行效率高,立体赤足迹身份鉴别的正确率达到0.78。2、构造了一种利用特征选择实现特征降维的立体赤足迹识别方法。该方法首先针对实验数据的特点,设计了三种功能不同的特征选择算法的具体实现方法,并综合运用这三种特征选择算法构成了一种三步式的特征选择结构以逐步降维,简化了模型;然后在降维后的特征子集上运用贝叶斯决策规则进行分类识别。该方法的运行效率相对较低,但正确识别率较高,用该方法进行立体赤足迹身份鉴别的正确率达到0.83。3、提出了一种基于神经网络集成的立体赤足迹识别方法。该方法将扰动训练数据和扰动输入特征集相结合,提高了神经网络集成的性能。运用该方法进行立体赤足迹身份鉴别的正确率达到0.81。4、提出了一种基于高斯曲率和法向量的三维曲面相似性判别方法。该方法通过统计三维曲面表面的高斯曲率和法向量的分布情况来衡量三维曲面间的相似度,具有平移不变性和旋转不变性的特点,且适用于任何刚性三维物体。在一些简单三维物体以及立体赤足迹的相似性判别实验中证实了该方法的有效性。
论文目录
表目录图目录摘要ABSTRACT第一章 绪论1.1 生物特征识别1.1.1 生物特征识别技术的发展1.1.2 常用生物特征识别技术1.2 基于足迹的生物特征识别1.2.1 足迹检验用于人体身份鉴别的基础1.2.2 立体足迹身份鉴别技术研究现状1.3 本文工作和内容安排第二章 立体赤足迹特征形成及特征降维方法概述2.1 统计模式识别的基本结构2.2 立体赤足迹三维曲面特征形成2.2.1 立体赤足迹的三维模型描述2.2.2 立体赤足迹三维曲面特征参数的形成2.3 特征降维方法分析2.3.1 特征降维方法概述2.3.2 常见的特征提取算法2.3.3 特征选择算法的分类2.3.4 特征选择算法的结构2.4 本章小结第三章 基于PCA和FLD的立体赤足迹识别方法3.1 引言3.2 主成分分析（PCA）3.2.1 PCA的基本概念3.2.2 PCA的求解步骤3.3 Fisher线性判别（FLD）3.4 基于PCA和FLD的立体赤足迹识别方法描述3.5 立体赤足迹识别的实验结果3.5.1 PCA+FLD方法的实验结果3.5.2 直接采用FLD的实验结果3.6 本章小结第四章 基于ReCoTabuBayes算法的立体赤足迹识别方法4.1 引言4.2 ReliefF算法4.2.1 ReliefF算法的基本原理4.2.2 ReliefF算法的具体实现4.3 相关分析法4.3.1 相关分析的基本原理4.3.2 相关分析的具体实现4.4 Tabu搜索算法4.4.1 Tabu搜索的基本原理4.4.2 Tabu搜索的具体实现4.5 贝叶斯决策4.6 ReCoTabuBayes算法描述4.7 ReCoTabuBayes算法的实验结果4.8 基于SBS算法的实验结果4.9 本章小结第五章 基于ReNNEn算法的立体赤足迹识别方法5.1 引言5.2 神经网络集成概述5.2.1 结论生成方法分析5.2.2 个体生成方法分析5.3 ReNNEn算法描述5.4 实验结果5.4.1 与ReBag算法的比较5.4.2 立体赤足迹识别的实验结果5.5 本章小结第六章 基于高斯曲率和法向量的三维曲面相似性判别方法6.1 引言6.2 曲面表面的高斯曲率和法向量6.3 基于高斯曲率和法向量的曲面相似性判别方法6.3.1 高斯曲率的量化6.3.2 法向量的量化6.3.3 高斯曲率—法向量联合分布曲面6.4 实验结果及分析6.4.2 一些简单三维物体相似性判别的实验结果及分析6.4.3 立体赤足迹相似性判别的实验结果及分析6.5 本章小结结束语参考文献作者简历 攻读硕士学位期间完成的主要工作致谢
相关论文文献
标签：生物特征识别论文; 立体赤足迹论文; 特征提取论文; 特征选择论文; 神经网络集成论文; 高斯曲率论文; 法向量论文;
