人耳识别若干关键问题研究

论文摘要

生物特征识别是利用人类特有的生理或行为特征来识别个人身份的技术,它提供了一种高可靠性、高稳定性的身份鉴别途径。人耳识别是目前生物特征识别领域中一个新的分支,同时也是计算机视觉和模式识别领域中极具挑战性的课题之一。由于人耳特殊的生理位置和结构特征使得人耳识别在公共安全、信息安全等领域具有潜在的应用前景,越来越引起人们的关注。目前人耳识别的研究还处于实验测试阶段,要开发出真正鲁棒、实用的人耳识别系统,还需要解决许多问题。本文针对目前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)概述了人耳识别的发展、现状和应用前景。对人耳生物特征识别技术的可行性、研究的内容、优势与缺陷进行了探讨,对目前人耳识别的方法进行了全面的综述,并对人耳识别目前存在的主要问题进行了总结。2)研究了人耳图像预处理问题。提出了一种基于模板匹配和遗传算法的人耳图像分割方法,可以从2D灰度人侧脸图像上分割出人耳,得到只包含人耳的最小矩形区域。3)研究了人耳图像的边缘检测问题。首先根据人耳的位置和外形特点提出了一种基于边界跟踪的人耳外轮廓检测方法。按照耳廓边界的不同走势对外耳轮廓进行跟踪可以精确提取整个外耳轮廓曲线。然后根据人耳边缘的特点,提出基于曲面主曲率的边缘检测方法,在此基础上为了检测弱边缘又提出了基于Hessian矩阵的多尺度边缘检测方法,可以提取稳定的人耳边缘曲线。实验结果表明这些方法都能有效提取人耳图像边缘。4)研究了轮廓曲线的配准问题。根据人耳外轮廓曲线的特点提出了一种基于改进Hausdorff距离的外耳轮廓曲线配准方法。该方法对人耳图像的位置变化和平面旋转变化非常鲁棒,为了进一步提高识别率,再利用内耳的广义特征点进行精确识别。5)研究了不变量特征在人耳识别中的应用。尺度不变特征变换技术（SIFT）可以在人耳图像中提取稳定的特征关键点和鲁棒的特征描述子向量。将其与Gabor小波技术相结合,利用Gabor小波的空间局部性和方向选择性的优良特性,构造低维的点特征描述子向量Gabor-SIFT,在不改变识别精度前提下可以有效提高匹配效率。此外,针对局部特征算子匹配的缺陷提出了一种基于SIFT特征与几何特征相融合的识别方法,可以消除由于一幅图像有多个局部区域相似而产生的歧义,对有光照变化和一定旋转角度变化的人耳图像识别取得了较好的效果。6)研究了力场转换理论及其在耳识别中的应用。提出了一种基于力场转换理论的人耳特征提取方法。根据人耳的特征,将力场模型分别应用人耳图像和经能量转化后的人耳图像,可以提取外耳轮廓形状特征点和内部的结构特征点,提取的特征具有稳定性、唯一性和强的区分能力,对图像刚体变换具有不变性,可以有效消除光照变化对耳识别的影响,解决对姿态变化和头部深度旋转引起的局部变形所造成的识别率低等问题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 人耳识别及其研究现状
• 1.2.1 人耳生物特征
• 1.2.2 人耳识别研究可行性分析
• 1.2.3 人耳识别的优势和不足
• 1.2.4 人耳识别研究内容
• 1.2.5 人耳识别难点
• 1.2.6 人耳识别系统性能的评价
• 1.3 人耳检测与识别方法综述
• 1.3.1 人耳检测方法综述
• 1.3.2 人耳识别技术研究综述
• 1.4 本文的工作
• 第二章 人耳图像预处理
• 2.1 人耳图像库
• 2.2 人耳图像分割
• 2.2.1 人耳检测
• 2.2.2 基于模板匹配的人耳检测
• 2.2.3 基于改进遗传算法的搜索策略
• 2.2.4 人耳检测实验结果
• 2.3 人耳图像滤波
• 2.4 人耳图像归一化
• 2.4.1 光照归一化
• 2.4.2 尺寸归一化
• 2.5 本章小结
• 第三章 人耳图像边缘检测
• 3.1 基于边界跟踪的人耳外轮廓提取
• 3.1.1 阈值分割定位人耳上部顶点
• 3.1.2 耳廓上部顶点确定
• 3.1.3 差分图像
• 3.1.4 外耳轮廓跟踪算法
• 3.1.5 人耳外边缘轮廓提取实验结果
• 3.2 基于曲面主曲率的人耳边缘提取方法
• 3.2.1 算法原理
• 3.2.2 曲率图像计算
• 3.2.3 自动阈值分割
• 3.2.4 实验结果
• 3.3 基于多尺度Hessian矩阵的人耳弱边缘提取
• 3.3.1 Hessian矩阵
• 3.3.2 不同尺度的主曲率图像
• 3.3.3 自动阈值分割
• 3.3.4 实验结果
• 3.4 本章小结
• 第四章 基于曲线配准和点特征结合的人耳识别
• 4.1 外耳轮廓线匹配
• 4.1.1 Hausdorff距离的定义
• 4.1.2 根据耳廓形状中心点确定初始变换参数
• 4.1.3 搜索最佳变换参数
• 4.1.4 基于改进Hausdorff距离的外耳轮廓曲线匹配
• 4.2 基于局部特征点的精确匹配
• 4.2.1 广义特征点
• 4.2.2 基于特征点的精确匹配
• 4.3 实验结果分析
• 4.3.1 参数的选取
• 4.3.2 外耳匹配实验
• 4.4 本章小结
• 第五章 基于不变量特征的人耳识别
• 5.1 尺度不变特征变换技术
• 5.1.1 尺度空间
• 5.1.2 SIFT算子
• 5.2 耳廓几何特征不变量
• 5.2.1 人耳几何向量的构造
• 5.2.2 几何向量不变性证明
• 5.3 SIFT特征与几何特征融合
• 5.3.1 信息融合
• 5.3.2 人耳SIFT特征与几何特征的融合
• 5.4 SIFT的扩展算法
• 5.4.1 PCA-SIFT
• 5.4.2 GLOH
• 5.5 Gabor-SIFT算法
• 5.5.1 二维Gabor小波变换
• 5.5.2 二维Gabor滤波器组的参数
• 5.5.3 Gabor-SIFT算法
• 5.6 实验结果分析
• 5.6.1 算法中参数的设置
• 5.6.2 实验结果与分析
• 5.7 本章小结
• 第六章 基于力场转换技术的人耳识别
• 6.1 力场转换
• 6.1.1 能量转换定义
• 6.1.2 力场转换定义
• 6.1.3 能量场和力场转换的线性可逆分析
• 6.1.4 耳廓特征点的定义
• 6.1.5 力场转换过程的模拟
• 6.1.6 不变性分析
• 6.2 人耳特征提取
• 6.2.1 内耳结构特征点提取
• 6.2.2 耳廓边缘形状特征提取
• 6.3 实验结果与分析
• 6.4 本章小结
• 第七章 结论
• 7.1 本文研究内容及主要成果
• 7.2 后续工作
• 参考文献
• 附录 缩略词注释表
• 在学研究成果
• 致谢