基于生理结构的热红外人脸识别方法研究

摘要

热红外人脸识别除了具有近红外光谱范围的优点以外，更是重要的一点是从热红外人脸图像中可以提取出面部的解剖生理结构信息。作为一种与传统基于面部几何特征的人脸识别完全不同的一种新方法，本文人脸识别方法的识别依据是面部血管网络的生理结构特征。
　　 主要研究目的是为热红外图像人脸识别所涉及的图像分割，特征点选取及识别提供理论依据及方法支持。并测试基于生理结构的人脸识别方法的可行性与其识别率在时间上的稳定性。主要研究内容是以热红外人脸图像为研究对象，结合热像仪根据温度成像的特点着重研究面部血管网络的分割算法。并详细研究面部血管网络与指纹的纹理特征相似性，以借鉴指纹的优秀识别思想寻求一种基于血管网络生理结构特征的识别方法。
　　 图像分割阶段，首先采用了Bayesian Segmentation分割方法将人面部图像从背景图像中分割出来。然后经Anisotropic Diffusion处理后，对人面部图像采用了White Top Hat Segmentation分割方法，从而实现了面部血管网络图像的有效分割。
　　 在特征点提取及匹配识别过程中，本文借鉴了几种指纹识别中的成功技术。首先在特征点提取过程中选用了单位像素并行细化算法，成功实现了特征点的准确提取。然后，利用指纹细节点匹配较为出色的密码匹配技术最终实现了血管网络特征点的匹配。
　　 最后利用基于OpenCv的C++编程语言对本文算法进行实现。并以诺丁汉大学生物测量实验室的热红外人脸库进行测试。实验证明：本方法可行，并且其识别率在时间上具有良好的稳定性。

目录

文摘

英文文摘

第1章 绪论

1.1 课题背景

1.2 研究现状

1.2.1 人脸识别技术研究现状

1.2.2 热红外人脸识别技术研究现状

1.2.3 人脸识别方法概述

1.2.4 目前热红外人脸识别中存在的问题

1.3 课题研究的目的及意义

1.4 本文主要研究内容

第2章 热红外人脸识别关链理论研究

2.1 热红外人脸图像特征研究

2.1.1 热红外图像对人脸识别的优点

2.1.2 面部血管网络纹理分析

2.1.3 面部血管网络的生物唯一性

2.2 热红外人脸图像预处理

2.2.1 几何预处理

2.2.2 灰度预处理

2.3 面部血管网络图像细化处理

2.3.1 细化准则

2.3.2 0ne-Pass Parallel Thinning细化算法

2.4 热红外人脸匹配算法

2.5 本章小结

第3章 热红外人脸图像分割

3.1 热红外人面部图像分割

3.2 EM算法

3.3 热红外人面部图像分割后处理

3.4 面部血管网络图像分割

3.4.1 Anisotropic Diffusion图像增强算法

3.4.2 White Top Hat Segmentation血管网络分割算法

3.5 本章小结

第4章 特征点提取及匹配识别

4.1 面部血管网络图像方向场估计

4.1.1 数学形态学运算

4.1.2 方向场估计算法

4.2 热红外人脸图像特征点提取

4.3 Secure Matching匹配算法

4.3.1 特征点匹配策略

4.3.2 算法分析及阈值选定

4.4 本章小结

第5章 实验结果分析

5.1 Notre Dame Biometric热红外人脸库介绍

5.2 实验结果与分析

5.2.1 实验结果

5.2.2 实验参数选择

5.2.3 实验操作限制条件

5.2.4 实验结果评价指标

5.3 实验结论

5.4 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢