基于球面调和分析的三维人耳识别

摘要

近年来，生物特征识别技术被广泛的应用到各个领域，目前比较常见的生物特征识别方式有人脸、虹膜、指纹等特征识别方式。人耳由于不受表情、肤色的影响，同时它的形状特征不随年龄的变化而改变，因此人耳识别是基于生物特征识别技术中最为活跃、最具挑战性的课题，也是本世纪最具发展潜力的技术之一。目前基于人耳的特征识别算法可以分为两类:基于二维人耳图像的人耳识别和基于三维人耳点云模型的人耳识别。二维人耳识别由于受光照、姿态偏转等影响较大，而三维耳廓识别有望解决上述问题，因此成为专家学者研究的重点。正是由于上述原因，本文将对一个完整的三维人耳识别系统进行研究。 为达到研究要求，本文做了以下工作: (1)本文首先介绍了人耳识别系统的研究意义和发展现状，以及目前人耳识别研究中的一些主流算法和关键技术，并由此得出了该课题的研究难点，为本文的研究提供了思路。 (2)通过Minoka VIVID3003D扫描仪对200个人的人耳进行扫描，对每个人耳进行4次扫描，获取正常、姿态偏转和遮挡等状态下的三维人耳点云数据。 (3)针对传统的人耳特征识别算法过于耗时，准确性不高的问题，提出了一种基于球面调和分析的三维人耳识别算法，为了增加算法的准确性，采用了以耳轮凹点为球心构造10个同心球的结构。该算法利用球面调和函数的旋转不变性，对三维人耳的形状特征进行由空域到频域的变换，最后利用计算出的特征矩阵进行三维人耳识别，从而提高了三维人耳识别的准确性。实验证明，本文算法可以进行高效的、准确的、实时的三维人耳识别，能得到令人满意的识别效果。 (4)本文提出的第二种三维人耳识别算法是利用调和映射，将三维人耳模型映射到单位圆上，结合高斯曲率构造人耳调和映射形状图像，利用人耳调和映射形状图像计算两个人耳模型之间的相似度。实验证明，该算法可以进行有效、准确的三维人耳识别。

目录

声明

摘要

1 绪论

1．1 生物特征识别介绍

1．2 人耳生物结构

1．3 人耳识别的应用领域

1．4 本章小结

2 研究背景

2．1 引言

2．2 基于二维人耳的识别算法

2．2．1 力场转换算法

2．2．2 基于Voronoi图的图匹配方法

2．3 基于三维耳廓的识别算法

2．3．1 基于最近迭代点(ICP，Iterative Closest Point)算法

2．3．2 基于主元分析(PCA，Principal component analysis)算法

2．4 人耳自动识别系统

2．5 性能评价指标

2．6 本文算法研究内容以及解决问题

3 三维耳廓数据获取

3．1 引言

3．2 三维耳廓数据采集系统

3．3 本章小结

4 基于调和分析的三维人耳识别

4．1 引言

4．2 算法背景

4．3 球面调和函数简介

4．4 人耳的球面调和特征

4．4．1 预处理

4．4．2 提取球面调和特征

4．4．3 相似性测度

4．5 实验结果及分析

4．5．1 频率带宽对本文算法的影响

4．5．2 算法性能分析

4．6 本章小结

5 基于调和映射的三维人耳识别

5．1 应用背景

5．2 调和映射原理

5．3．1 三维人耳预处理

5．3．2 三维人耳调和映射

5．3．3 调和映射形状图像

5．3．4 相似性测度

5．4 实验结果及分析

5．5 本章小结

6 总结与展望

6．1 已完成的工作

6．2 工作展望

参考文献

攻读硕士学位期间发表学术论文情况

致谢