学位论文 > 优秀研究生学位论文题录展示
基于指纹与姓名语音的多模态生物特征融合身份识别技术的研究
作 者: 何树洋
导 师: 成谢锋
学 校: 南京邮电大学
专 业: 电子与通信工程
关键词: 指纹 姓名语音 多模态生物特征 数据融合 身份识别
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 17次
引 用: 0次
阅 读: 论文下载
内容摘要
本文针对在单模态生物特征身份识别时由于识别环境的改变或恶化,而引起的识别率迅速下降问题,提出了基于指纹和姓名语音的多模态生物特征融合身份识别的方法来提高身份识别率和适应较差识别环境。本文对特征信息进行了归一化研究,分析了基于匹配层的自适应加权融合识别算法、D-S证据理论融合识别算法和基于特征层的神经元网络理论的融合识别算法,并通过实验分析证明即使在较差环境下,基于指纹和姓名语音的多模态生物特征融合身份识别也能保持较高的准确率、可靠性和实时性。本文主要工作和创新如下:1、提出了一种基于MB-FECC的姓名语音的特征提取方法并实现了姓名语音的身份识别。首先将语音信号经Gammatone带通滤波器组滤波,并使用三角形窗口增强其输出;然后将分数阶傅立叶变换与合适的模糊函数或瞬时频率函数相结合得到相应的特征系数,进一步经过DCT处理和对数变换求得最终的特征系数,进行特征提取;最后采用了HTK处理实现了姓名语音身份识别。2、实现了指纹的特征提取和身份识别。首先对指纹图像进行Gabor滤波增强;然后采用稀疏算法方法和基于单一像素点的八邻域方法对指纹图像分别进行了两次细化;之后采用二维离散小波分解的方法提取了指纹的特征向量;最后以四种正交小波基对指纹图像进行二维离散分解,并采用无拒识率的K近邻识别方法分别实现了指纹的身份识别。3、提出了基于指纹和姓名语音的多模态生物特征融合身份识别的模型。首先讨论了指纹与姓名语音在匹配层和特征层的融合理论框架;然后分析了基于匹配层的自适应加权融合算法、D-S证据理论融合算法和基于特征层的神经元网络融合算法;最后通过分析上述三种融合方法的实验结果,证明了在较差环境下指纹和姓名语音的多模态生物特征融合身份识别要明显比单一的指纹身份识别或姓名语音身份识别更加准确,可靠。
|
全文目录
摘要 4-5 Abstract 5-9 第一章 绪论 9-14 1.1 课题的研究背景和意义 9-11 1.1.1 传统的身份识别 9 1.1.2 单模态生物识别技术 9-10 1.1.3 多模态生物特征融合识别技术 10-11 1.2 研究现状及发展 11-12 1.2.1 多模态生物特征识别研究现状 11 1.2.2 多模态生物特征融合层次分类 11-12 1.3 本文主要内容及章节安排 12-14 1.3.1 本文的章节安排 12-13 1.3.2 本文的主要研究内容 13-14 第二章 语音识别技术 14-21 2.1 Gammatone 滤波器组和分数阶傅立叶变换 14-15 2.1.1 Gammatone 滤波器组 14 2.1.2 分数阶傅立叶变换 14-15 2.2 秩序估计方法 15-17 2.2.1 基于模糊函数的秩序估计 16 2.2.2 基于瞬时频率的秩序估计 16-17 2.3 MB-FECC 特征提取 17-18 2.4 实验分析 18-19 2.4.1 实验设计 18-19 2.4.2 实验结果 19 2.5 本章小结 19-21 第三章 指纹识别技术 21-33 3.1 指纹图像的Gabor 滤波增强 21-26 3.1.1 指纹方向场的估计 21-23 3.1.2 指纹频率场的估计 23-24 3.1.3 指纹图像的Gabor 滤波算法 24-25 3.1.4 指纹的Gabor 滤波增强实验 25-26 3.2 指纹图像的细化 26-28 3.2.1 指纹图像的定向计算 26 3.2.2 指纹图像的细化 26-28 3.2.3 指纹的细化实验 28 3.3 指纹的特征提取 28-32 3.3.1 指纹图像有效区域的选取 28-29 3.3.2 指纹特征提取 29-32 3.4 实验分析 32 3.5 本章小结 32-33 第四章 基于指纹与姓名语音的融合身份识别技术 33-52 4.1 融合策略及模型 33-34 4.2 自适应加权融合识别算法 34-37 4.2.1 生物特征信息归一化 34-35 4.2.2 自适应权重的分配 35-36 4.2.3 实验结果分析 36-37 4.3 基于D-S 证据理论的融合识别算法 37-42 4.3.1 D-S 证据理论的基本概念 38-39 4.3.2 基本概率分配函数的构造 39-40 4.3.3 D-S 融合识别方法 40 4.3.4 实验结果分析 40-42 4.4 基于神经元网络的特征层融合 42-51 4.4.1 人工神经元网络模型 43-45 4.4.2 多层前馈神经元网络 45 4.4.3 基于PSO 的神经元网络训练 45-47 4.4.4 融合算法描述 47-48 4.4.5 实验结果分析 48-51 4.5 本章小结 51-52 第五章 总结与展望 52-54 致谢 54-55 参考文献 55-59 攻读硕士学位期间发表的论文 59
|
相似论文
- 基于微型无人平台导航多传感器信息融合算法研究,V249.32
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 消癌平制剂及其绿原酸单体的药动学研究与质量控制,R285
- 赤芍商品药材调查及品质评价研究,R282.71
- 海上平台消防系统研究,U698.4
- 土壤酶活测定及土壤微生物总蛋白的提取、纯化与鉴定,S154
- 江苏省稻瘟病菌遗传多样性及水稻抗瘟基因鉴定,S435.111.41
- 拮抗芽孢杆菌的分离鉴定及其多样性和系统发育分析,S476.1
- 天山雪莲指纹图谱及总黄酮提取物研究,R284.1
- 枇杷止咳颗粒质量标准的修订及指纹图谱研究,R286.0
- 成都地区儿童脓疱疮皮损中金黄色葡萄球菌药敏及随机扩增多态性DNA指纹分析,R440
- 昆明山海棠有效成分提取方法优化和HPLC指纹图谱的研究,R284.1
- 一种FFTT非对称加解密算法的研究与实现,TP309.7
- 压感式指纹识别系统及算法研究,TP391.41
- 指纹图像分割方法研究,TP391.41
- 无线传感器网络数据融合算法及模型研究,TN929.5
- 声道频响合成方法在军队姓名语音库的应用,TN912.3
- 基于指纹识别的驾校考勤系统设计与实现,TP311.52
- 永康市计生管理系统的设计与实现,TP311.52
- 基于视频的动物运动跟踪分析系统及应用研究,TP391.41
- 浏览器的安全访问及指纹识别技术,TP393.092
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|