论文部分内容阅读
人体生物特征识别是利用个体的各种生物特性,包括生理和行为特性,将个体身份从群体里辨识出来的一种技术。由于人耳具有良好的普遍性、唯一性和稳定性,所以人耳识别是一种有前景的新技术,逐渐成为生物特征识别领域中的研究热点。由于人耳没有表情变化,结构信息异常丰富,而纹理特征缺乏,更适宜作为刚体以3D的方式进行识别。目前三维人耳识别的研究还处于实验测试阶段,要开发出真正鲁棒、实用的三维人耳识别系统,还需要解决许多问题。本文针对目前三维人耳识别中存在的问题进行了较为深入的研究,主要工作有以下几个方面:1.提出了基于Contourlet变换的三维人耳提取方法。通过统计耳朵轮廓在Contourlet变换域不同子带不同位置上系数的分布概率,构建耳朵概率模型,利用这个模型,把非人耳轮廓边缘过滤掉,只留下耳朵边缘,再计算这些边缘的凸壳,实现了三维人耳的精确提取。2.提出了基于平均耳和ICPIF的三维人耳提取方法。通过迭代地进行均匀重采样、曲面拟合、曲率估计、提取耳朵区域、利用ICPIF算法与平均耳对齐使耳朵位置和姿态得到归一化,最后用一个掩膜提取耳朵区域。3.针对人耳识别速度较慢的问题,提出了基于PCA的三维人耳识别方法。通过深度图像和最小主曲率图像的组合得到耳朵向量,再把它投影到由原型耳建立的PCA基上,得到维数大大压缩后的特征向量,最后同原型耳的特征向量逐一比较余弦距离得到识别结果。该方法能达到很高的识别速度。4.针对人耳识别性能较低的问题,提出了基于ICPIF的三维人耳识别方法。提取每个点的最大和最小主曲率作为不变特征,采用ICPIF算法使待测耳朵与库里的原型耳逐一配准。配准误差最小的原型耳被认为与待测耳来自同一只耳朵。该方法能达到很高的识别率。5.根据PCA和ICPIF三维人耳识别方法的特点,提出了一种结合PCA和ICPIF的人耳识别方法,先由PCA方法识别,再把相似度较高的前几个原型耳用ICPIF方法识别,从而同时达到了较快的识别速度和较好的识别性能。