学位论文 > 优秀研究生学位论文题录展示

多特征人耳识别

作　者: 张伟伟
导　师: 夏利民
学　校: 中南大学
专　业: 控制理论与控制工程
关键词: 人耳识别 zernike wavelet矩 PoSVD PIDFDP 仿生模式识别 CTWNN
分类号: TP391.4
类　型: 硕士论文
年　份: 2007年
下　载: 171次
引　用: 2次
阅　读: 论文下载
 

内容摘要


人耳识别是模式识别领域一个新兴的研究方向，对模式识别的发展和应用有着重要意义。本文主要对人耳特征提取；人耳特征融合和选取；人耳分类识别三个环节进行了研究工作，主要体现在以下几个方面：(1)采用了一种基于改进的zernike wavelet矩特征快速提取算法。多种特征一起提取是非常耗时的，为了提高系统的反应速度，本文对zernike矩和wavelet矩特征提取算法进行了比较改进，简化了算法步骤，提高了zernike wavelet矩特征提取算法的速度。(2)采用了一种基于改进的PoSVD特征提取方法。为了提取更能反映人耳图像纹理分布特点的特征，本文采用了提取图像极坐标变换矩阵的SVD特征的PoSVD方法，这种方法对图像拍摄角度因素的影响有很好的适应性。(3)在特征融合选取中，采用了特征层串行融合的方法，将zernike wavelet矩特征和PoSVD特征的互补融合。提出了基于PIDF动态规划算法的特征选取方法——PIDFDP方法，降低了融合特征的维度、去除了特征冗余性的同时保持特征的分类能力，该方法对PIDC方法进行了改进后用于特征选取，具有很强的监督选取能力。(4)在人耳识别中，提出了一种有指导组合双权值神经网络分类器(CTWNN)，该分类器是一种能够对识别目标进行高维空间几何体覆盖的仿生模式识别分类器，克服了基于划分的传统分类器误差大的缺点，该方法使用K-均值聚类来对样本划分区块的方法指导双权值神经网络分类器训练组合，提高了神经网络高维空间几何体覆盖的精度，提高了分类器的识别率。采用本文的人耳特征提取，融合选取和识别分类方法，可以实现快速准确的静态人耳图像识别，并且可以得到很好的识别结果。

全文目录


摘要  3-4
ABSTRACT  4-8
第一章 绪论  8-17
  1.1 人耳识别研究目的及意义  8-10
  1.2 人耳识别的特点  10
  1.3 人耳识别研究现状  10-15
  1.4 本文主要研究内容  15-16
  1.5 章节安排  16-17
第二章 人耳Zernike Wavelet矩特征快速提取  17-35
  2.1 概述  17-18
  2.2 人耳图像预处理  18-22
    2.2.1 去噪处理  19-20
    2.2.2 归一化处理  20-22
  2.3 Zernike矩  22-24
    2.3.1 Zernike矩的基本概念  22-23
    2.3.2 Zernike矩有关性质  23-24
  2.4 Wavelet矩  24-27
  2.5 Zernike Wavelet矩特征快速提取  27-29
  2.6 实验结果  29-35
第三章 人耳PoSVD特征提取  35-42
  3.1 概述  35-36
  3.2 奇异值分解(SVD)  36-39
    3.2.1 SVD定理和性质  36-37
    3.2.2 奇异值特征降维压缩  37-39
    3.2.3 奇异值特征标准化  39
  3.3 人耳PoSVD特征提取  39-41
  3.4 实验结果  41-42
第四章 人耳多特征融合选取  42-51
  4.1 概述  42-43
  4.2 人耳多特征融合  43-44
  4.3 人耳特征选取  44-49
    4.3.1 概率信息距离方法(PIDC)  45-46
    4.3.2 概率信息距离评判准则函数(PIDF)  46-47
    4.3.3 基于PIDF动态规划的特征选取方法(PIDFDP)  47-49
  4.4 实验结果  49-51
第五章 基于仿生模式识别的人耳识别  51-66
  5.1 概述  51-52
  5.2 仿生模式识别(BPR)  52-55
    5.2.1 仿生模式识别与传统模式识别的差异  52-53
    5.2.2 仿生模式识别数学理论基础  53-55
  5.3 仿生模式识别神经网络  55-60
    5.3.1 神经元的多维空间几何对应  55-56
    5.3.2 多权值神经元网络与高维空间封闭超曲面  56-60
  5.4 有指导组合双权值神经网络分类器(CTWNN)  60-64
    5.4.1 超椭球双权值神经网络  61-62
    5.4.2 基于K均值聚类指导的组合神经网络训练  62-64
  5.5 实验结果  64-66
第六章 结论与展望  66-68
  6.1 本文工作总结  66-67
  6.2 未来工作的展望  67-68
参考文献  68-75
致谢  75-76
攻读学位期间的主要研究成果  76

相似论文

  1. 基于仿生模式识别的文本分类技术研究,TP391.1
  2. 人耳识别若干算法研究,TP391.41
  3. 多视角人耳检测与识别研究,TP391.41
  4. 人耳地形图在耳轮廓提取中的应用研究,TP391.41
  5. 基于主成分分析的人耳识别方法研究,TP391.41
  6. 基于力场转换理论的人耳识别算法,TP391.41
  7. 快速三维人耳识别系统的研究,TP391.41
  8. 多方向多尺度与矩特征在人耳识别中的应用,TP391.41
  9. 基于外耳结构的人耳特征提取研究,TP391.41
  10. 基于灰度图像的人耳检测技术研究,TP391.41
  11. 分水岭算法和神经网络相结合的人耳识别方法研究,TN912.34
  12. 人耳识别中人耳地形图技术的研究,TP391.4
  13. 基于外耳轮廓的人耳识别方法研究,R318
  14. 万有引力在人耳图像识别中的应用研究,R318
  15. 基于子空间分析和支持向量机的人耳识别研究,TP391.4
  16. 万有引力场方法在人耳图像识别中的应用研究,D918.2
  17. 基于侧脸和耳廓组合特征的个人身份鉴别方法,TP391.41
  18. 人耳识别若干问题的研究,TP391.4
  19. 基于几何结构的人耳特征识别方法研究,TP391.4
  20. 人耳特征算法研究,TP391.41

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
© 2012 www.xueweilunwen.com