学位论文 > 优秀研究生学位论文题录展示

基于特征融合与仿生模式的生物特征识别研究

作　者: 徐颖
导　师: 罗飞
学　校: 华南理工大学
专　业: 控制理论与控制工程
关键词: 仿生模式特征融合人脸识别掌纹识别指背关节纹识别
分类号: TP391.41
类　型: 博士论文
年　份: 2013年
下　载: 102次
引　用: 0次
阅　读: 论文下载

内容摘要

图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的一种模式识别领域的典型应用。作为数字图像处理与人工智能的基础，图像识别技术已成为近二十年来模式识别和图像理解研究的热点。该技术根据图像的特征进行识别（或分类），在生物特征识别（人脸、指纹、指关节、掌纹和虹膜识别）及手写体识别技术等领域中已获得了广泛的应用。本论文针对图像识别在复杂条件下的实现和鲁棒性问题，研究了基于仿生模式的图像识别算法的共异性、特征融合方法的有效性，高维复杂几何形体覆盖方法适用性以及仿生模式在特征识别方面的应用。在此，介绍本文所做主要研究内容与成果如下：1、提出了针对伪装人脸识别的局部特征融合方法。该方法依据仿生模式和信息融合理论，采用非伪装建模，提出了一种基于局部特征融合与仿生模式识别的伪装人脸识别算法。算法分别采用了局部二元模式方法与局部相位量化方法进行对伪装模式下具有较好鲁棒性的特征提取及融合，进而采用仿生神经元构建高维几何覆盖形体，有效利用了不同类别人脸特征的连续性，从而避免了伪装模式的干扰。在AR数据库及采用警用面部复合软件设计建立的伪装数据库上的仿真实验均表明，与现有主流算法相比较而言，所提识别算法在伪装条件下取得了较高的识别性能。2、构建了基于人脸与虹膜特征融合的双模态生物特征识别模型。该方法首先根据Contourlet变换和(2D)2PCA来提取虹膜和人脸特征，通过融合所获取的虹膜与人脸特征信息形成了一个新的融合特征向量。最后，融合后的新特征向量被用来构建基于超香肠神经元的高维几何空间覆盖。同时，一种基于PCA的方法被用来减少计算复杂程度并有效地提高识别率。公开数据库的实验结果表明，所提的多生物特征识别模型在保证注册过程安全的同时，能够达到很高的识别精度。该模型一方面大大提高了精确度，另一方面使得安全性得到了更充分的保证，因为入侵者很难同步窃取多个生物信息，尤其是虹膜信息。3、在研究分析多光谱对于掌纹的识别效果的基础上，分别提出了基于BP神经网路与深度CDBN网络的多光谱掌纹图像融合识别算法。首先提出一种基于Haar小波的多光谱掌纹图像融合方法，该方法采用小波分解低频融合的方式进行，接着分别采用分块奇异值方法和BP神经网络对掌纹进行特征提取和识别。实验表明，多光谱图像的融合方法能够改善并提高掌纹图像的识别效果。另外，还提出了基于深度CDBN网络的多光谱掌纹识别方法。该方法采用无监督方式进行深度特征的提取，具有不依赖于一般特征提取的优点，并且可取得更高的识别率。4、提出了基于图像集与凸壳优化模型的指背关节识别算法。该算法首先寻求出了适用于生物特征识别识别的凸壳优化模型，并对该模型的构建与优化进行一定的研究分析。接着以图像集作为生物特征识别输入，采用局部相位量化方法进行特征提取，用于解决指背关节纹问题。实验表明，在以图像集作为输入的情况下，该识别算法在公开的指背关节纹数据库中取得了不错的识别结果。5、设计了一个实时人脸识别系统。本系统的检测环节是通过YIQ色彩空间对肤色进行分割，找出眼睛的质心坐标来定位人脸的位置并校正对齐检测输出依次进行完成的；同时，分别采用局部二元模式提取人脸特征和改进的超香肠仿生模式作为识别模型。该系统在设定条件下的测试取得了较好的识别结果，并具有较好的实时性能，验证了仿生模式识别算法的可行性与有效性。

全文目录

摘要  5-7
Abstract  7-13
第一章绪论  13-21
  1.1 研究背景和意义  13-14
  1.2 国内外研究现状  14-17
    1.2.1 仿生模式识别研究现状  14-15
    1.2.2 生物特征识别研究现状  15-17
  1.3 图像识别系统概述  17-18
  1.4 论文的主要工作  18-19
  1.5 论文的内容安排  19-21
第二章图像特征提取  21-31
  2.1 引言  21
  2.2 图像预处理  21-23
    2.2.1 感兴趣区域提取  21-22
    2.2.2 直方图均衡化  22
    2.2.3 图像几何归一化  22-23
  2.3 局部二元模式  23-26
    2.3.1 LBP 的基本原理  23-25
    2.3.2 LBP 的旋转不变性  25
    2.3.3 LBP 的均匀模式  25-26
  2.4 局部相位量化  26-29
    2.4.1 模糊不变性下的傅里叶相位变换  27
    2.4.2 LPQ 的基本原理  27
    2.4.3 LPQ 的计算方法  27-29
  2.5 本章小结  29-31
第三章基于局部特征融合与仿生模式的伪装人脸识别  31-51
  3.1 引言  31-32
  3.2 局部特征融合  32-37
    3.2.1 信息融合原理  32-34
    3.2.2 局部特征的提取与融合方法  34-37
  3.3 仿生模式识别  37-42
    3.3.1 高维几何空间的构建  39-41
    3.3.2 仿生模式高维几何形体覆盖过程  41
    3.3.3 仿生模式的识别过程  41-42
  3.4 基于局部特征融合与仿生模式的伪装人脸识别算法的实现  42-43
  3.5 实验结果与分析  43-50
    3.5.1 伪装人脸数据库的设计与实验配置  43-45
    3.5.2 基于 LPQ 的伪装仿生人脸识别实验  45-47
    3.5.3 基于局部特征融合的伪装仿生人脸识别实验  47-49
    3.5.4 与现有主流算法的比较与分析实验  49-50
  3.6 本章小结  50-51
第四章基于特征融合与仿生模式的双模态生物特征识别  51-65
  4.1 引言  51
  4.2 双模态生物特征融合模型  51-61
    4.2.1 虹膜图像的预处理及特征提取  52-60
    4.2.2 人脸图像的预处理及特征提取  60
    4.2.3 人脸与虹膜特征的融合  60-61
  4.3 基于仿生模式的双模态生物特征识别  61-62
  4.4 实验结果与分析  62-63
  4.5 本章小结  63-65
第五章基于多光谱特征融合与深度学习的掌纹识别  65-85
  5.1 引言  65
  5.2 基于小波变换的多光谱掌纹特征融合  65-71
    5.2.1 掌纹图像预处理  65-67
    5.2.2 基于小波变换的多光谱掌纹图像特征融合与提取  67-71
  5.3 基于 BP 神经网络的多光谱掌纹识别  71-76
    5.3.1 BP 神经网络架构  71-73
    5.3.2 实验结果与分析  73-76
  5.4 基于深度学习的多光谱掌纹识别  76-84
    5.4.1 深度学习  76-78
    5.4.2 卷积深度信念网络  78-81
    5.4.3 实验结果与分析  81-84
  5.5 本章小结  84-85
第六章基于图像集与凸壳优化模型的指背关节纹识别  85-94
  6.1 引言  85
  6.2 基于图像集的生物特征识别  85-86
  6.3 凸壳模型  86-90
    6.3.1 基本概念  87-88
    6.3.2 凸壳模型优化  88-90
  6.4 实验结果与分析  90-93
  6.5 本章小结  93-94
第七章基于改进仿生模式的实时人脸识别系统  94-106
  7.1 引言  94
  7.2 实时人脸检测算法的实现  94-99
  7.3 改进仿生模式实时人脸识别系统的设计  99-102
  7.4 实验结果及分析  102-105
    7.4.1 人脸检测实验  102-104
    7.4.2 人脸识别实验  104-105
  7.5 本章小结  105-106
结论  106-108
参考文献  108-117
攻读博士学位期间取得的研究成果  117-119
致谢  119-120
答辩委员会对论文的评定意见  120

基于特征融合与仿生模式的生物特征识别研究

内容摘要

全文目录

相似论文