学位论文 > 优秀研究生学位论文题录展示

基于力场转换理论的人耳识别算法

作　者: 赵晶
导　师: 苑玮琦
学　校: 沈阳工业大学
专　业: 检测技术与自动化装置
关键词: 人耳识别 万有引力场 势能通道 势能阱 场线
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 52次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人耳识别是生物特征识别技术研究中的一个新兴领域,它旨在根据人的外耳特征进行身份识别。人耳识别可以作为其他生物识别技术的有益补充,也可以单独应用于一些个体识别场合。目前人耳识别技术在国内外尚处于初步探索研究阶段,还没有形成较为完善的理论体系。作为一种生物特征识别技术,人耳识别需要借鉴其他的生物识别技术和处理方法,同时人耳具有其特殊的生理结构和生理位置,必然有其独特的处理方法和技术与之相适应。本文以人耳这一特殊的生物特征为研究对象,并在前人所做工作的基础上,以人耳图像万有引力场转换、特征提取等关键环节为研究重点,力图改善和丰富人耳识别这种新兴的生物特征识别技术,以期对后续研究人员的工作进展有所启发。众所周知,确定特征空间的最终目标是在降低原有的维度空间的同时,又能保持正确分类识别的能力。为了达到这个目标,在人耳生物识别研究领域中,一种新的万有引力场转换理论把图像看作一系列相互吸引的像素粒子,这些粒子就作为万有引力场源。伴随力场产生的还有一个标量势能场,在势能场中,人耳轮廓具有光滑的表面,就像很多由山脊连接的山峰一样。这里的山峰对应的就是势能阱,类似地山脊就对应着势能通道。本文着重描述了如何利用万有引力场转换算法来提取力场特征,利用场线方向来定位势能通道和势能阱,这些势能通道和势能阱最终将构成人耳的特征信息。为了进一步说明力场转换具有可逆性、良好的亮度灵敏性及定位迅速等优点。本文不仅证明了人耳识别是一种有着极大发展潜力的生物识别技术,还证明了力场转换具有很好的鲁棒性,特别是对噪声的容忍度。另外人耳轮廓不必从背景中提取出来,这点也是它的优势所在。总的来说,本文主要从力场转换理论的几个关键环节进行了有益的探索与研究,得到了较好的实验结果,为人耳识别技术的发展和应用提供了有价值的研究思路。

全文目录


摘要  5-6
Abstract  6-8
目录  8-11
第一章 绪论  11-27
  1.1 课题研究背景  11-21
    1.1.1 生物特征识别技术  11-17
    1.1.2 人耳识别技术特点  17-19
    1.1.3 人耳识别的可行性  19-21
  1.2 人耳识别技术研究现状  21-26
    1.2.1 国外研究现状  21-25
    1.2.2 国内研究现状  25-26
  1.3 本文工作  26-27
第二章 人耳识别系统设计  27-33
  2.1 人耳识别系统设计概要  27-30
    2.1.1 系统的结构与流程  28-29
    2.1.2 图像采集  29-30
  2.2 系统开发与测试环境  30-31
  2.3 识别结果评价标准  31-32
  2.4 本章小结  32-33
第三章 人耳图像的预处理  33-41
  3.1 人耳图像的尺度归一化  34
  3.2 人耳图像的滤波处理  34-36
  3.3 人耳图像的灰度归一化  36-39
  3.4 对比度调整  39-40
  3.5 本章小结  40-41
第四章 人耳图像的边缘检测  41-55
  4.1 边缘检测的基本方法  41-42
  4.2 几种经典的边缘检测算子  42-52
    4.2.1 差分边缘检测  42-43
    4.2.2 Roberts算子  43
    4.2.3 Sobel算子  43-44
    4.2.4 Prewitt算子  44-46
    4.2.5 Laplacian算子  46-48
    4.2.6 LOG算法  48-50
    4.2.7 Canny算法  50-52
  4.3 基于轮廓跟踪的边缘检测  52-53
    4.3.1 原理与算法  52-53
    4.3.2 耳廓上的边缘检测  53
  4.4 本章小结  53-55
第五章 人耳图像的特征提取与识别  55-70
  5.1 力场转换理论  55-58
    5.1.1 力场转换的基本原理  56-57
    5.1.2 基于力场转换的人耳识别特点  57-58
  5.2 力场转换理论应用于人耳识别  58-63
    5.2.1 模拟力场转换过程  58
    5.2.2 场线 势能通道 势能阱  58-61
    5.2.3 验证特征的唯一性  61
    5.2.4 验证满足RST要求  61-63
  5.3 人耳图像力场转换的优化  63-64
  5.4 实验过程与分析  64-69
  5.5 本章小结  69-70
第六章 分类识别  70-80
  6.1 模糊聚类在模式识别中的应用  70
  6.2 C-均值聚类算法  70-71
  6.3 模糊C-均值算法  71-72
  6.4 改进模糊C-均值算法  72-74
  6.5 实验设计及结果分析  74-80
    6.5.1 实验设计  74
    6.5.2 实验结果及分析  74-80
第七章 总结与展望  80-82
  7.1 总结  80-81
  7.2 展望  81-82
参考文献  82-85
在学研究成果  85-86
致谢  86

相似论文

  1. 人耳识别若干算法研究,TP391.41
  2. 多视角人耳检测与识别研究,TP391.41
  3. 人耳地形图在耳轮廓提取中的应用研究,TP391.41
  4. 基于主成分分析的人耳识别方法研究,TP391.41
  5. 快速三维人耳识别系统的研究,TP391.41
  6. 多方向多尺度与矩特征在人耳识别中的应用,TP391.41
  7. 车载通信总线的抗电磁干扰性分析,TN914
  8. 基于外耳结构的人耳特征提取研究,TP391.41
  9. 基于灰度图像的人耳检测技术研究,TP391.41
  10. 分水岭算法和神经网络相结合的人耳识别方法研究,TN912.34
  11. 海洋环境物理场特性测试与分析技术研究,X12
  12. 人耳识别中人耳地形图技术的研究,TP391.4
  13. 电磁诱导吸收的研究,O562
  14. 基于外耳轮廓的人耳识别方法研究,R318
  15. 万有引力在人耳图像识别中的应用研究,R318
  16. 多特征人耳识别,TP391.4
  17. 基于子空间分析和支持向量机的人耳识别研究,TP391.4
  18. 万有引力场方法在人耳图像识别中的应用研究,D918.2
  19. 基于侧脸和耳廓组合特征的个人身份鉴别方法,TP391.41
  20. 人耳识别若干问题的研究,TP391.4

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