發(fā)布時間：2018-06-06 18:42

  本文選題：人耳識別 + 模塊化神經(jīng)網(wǎng)絡(luò)��； 參考：《遼寧科技大學(xué)》2016年碩士論文

【摘要】：生物特征識別是利用人類特有的生理或行為特征對個人身份進行識別的技術(shù)。它提供了一種高可靠性、高穩(wěn)定性的身份鑒別途徑。而人耳識別是這一領(lǐng)域的一個新的分支,同時也是模式識別和計算機視覺極具挑戰(zhàn)性的課題之一。與其他生物識別技術(shù)相比,人耳有其獨特的生理和結(jié)構(gòu)優(yōu)勢,使得它在公共安全、信息安全等領(lǐng)域有著潛在的應(yīng)用前景,越來越受到人們的關(guān)注�，F(xiàn)有的利用人耳特征進行的身份識別方法大部分需要進行圖像預(yù)處理或復(fù)雜的特征提取,還有分類器的選擇。而選擇哪種特征和分類器進行識別,對最終識別率有很大的影響。神經(jīng)網(wǎng)絡(luò)技術(shù)是在模式識別中的成功應(yīng)用。相對于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法,模塊化神經(jīng)網(wǎng)絡(luò)在模式識別中對于參數(shù)的選擇、新增樣本學(xué)習(xí)方面有很強的提高。本文針對模塊化神經(jīng)網(wǎng)絡(luò)在人耳識別上的應(yīng)用進行了詳細的研究,主要有以下幾方面工作:(1)本文對人耳圖像庫中的所有圖像進行了預(yù)處理。運用中值濾波進行平滑處理,雙線性差值進行尺寸歸一化處理,灰度直方圖均衡化進行去光照影響,使處理后的人耳圖像更適合人耳識別研究。(2)對主成分分析理論進行了學(xué)習(xí)和研究,并用其進行了人耳圖像的特征提取。(3)對神經(jīng)網(wǎng)絡(luò)算法進行了學(xué)習(xí)和研究,闡釋了“模塊化”這一概念,提出模塊化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計、模塊化神經(jīng)網(wǎng)絡(luò)的優(yōu)勢。討論了模塊化神經(jīng)網(wǎng)絡(luò)應(yīng)用在人耳識別上的可行性,并分析了識別出錯原因和改進方向。(4)為了進一步提高識別的精度,提出分層遺傳算法(HGA)對模塊化神經(jīng)網(wǎng)絡(luò)的優(yōu)化。通過優(yōu)化模塊化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和設(shè)計參數(shù)來提高人耳識別率。把訓(xùn)練好的網(wǎng)絡(luò)進行人耳識別實驗,通過對比實驗驗證了該方法的提高和可行性。
[Abstract]:Biometric identification is a technique to identify individual identity by using human physiological or behavioral characteristics. It provides a high reliability, high stability identification approach. Ear recognition is a new branch of this field, and it is also one of the most challenging topics in pattern recognition and computer vision. Compared with other biometrics, human ear has its unique physiological and structural advantages, which makes it have a potential application prospect in public security, information security and other fields, and has attracted more and more attention. Most of the existing identification methods based on ear features require image preprocessing or complex feature extraction, as well as the selection of classifiers. Which features and classifiers are selected for recognition have a great influence on the final recognition rate. Neural network technology is a successful application in pattern recognition. Compared with the traditional neural network algorithm, modular neural network in pattern recognition for the selection of parameters, the new sample learning has a strong improvement. In this paper, the application of modular neural network in ear recognition is studied in detail. The main work is as follows: 1) in this paper, we preprocess all the images in the ear image database. The median filter is used for smoothing, the bilinear difference is normalized for dimension, and the gray histogram equalization is used to remove the influence of illumination. Making the processed ear image more suitable for ear recognition research. (2) the principal component analysis (PCA) theory is studied, and the feature extraction of human ear image is carried out. (3) the neural network algorithm is studied and studied. This paper explains the concept of modularization, and puts forward the structural design of modular neural network and the advantages of modular neural network. This paper discusses the feasibility of the application of modular neural network in ear recognition, and analyzes the causes of recognition errors and the direction of improvement. In order to further improve the accuracy of recognition, a hierarchical genetic algorithm (HGA) is proposed to optimize the modular neural network. The recognition rate of human ear is improved by optimizing the structure and design parameters of modular neural network. The trained network is used in the ear recognition experiment, and the improvement and feasibility of the method are verified by contrast experiments.
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 �；w;王巍;林蔚;;3D人耳識別的研究進展[J];信息技術(shù)與信息化;2007年03期

2 何劍;;人耳識別研究綜述[J];泰州職業(yè)技術(shù)學(xué)院學(xué)報;2009年01期

3 王秀琴,趙金憲,王忠禮;人耳識別的應(yīng)用研究與實現(xiàn)[J];黑龍江科技學(xué)院學(xué)報;2004年04期

4 田瑩;苑瑋琦;;人耳識別技術(shù)研究綜述[J];計算機應(yīng)用研究;2007年04期

5 祝振宇;;基于主成分分析的人耳識別系統(tǒng)研究[J];科技廣場;2007年07期

6 苑瑋琦;萬新;;基于眼、嘴、耳廓之間結(jié)構(gòu)關(guān)系的人耳識別[J];微計算機信息;2007年34期

7 黃南天;楊景景;;人耳識別系統(tǒng)中的定位點選擇及檢測算法的設(shè)計[J];吉林化工學(xué)院學(xué)報;2008年04期

8 袁立;穆志純;曾慧;;基于局部特征的部分遮擋人耳識別[J];北京科技大學(xué)學(xué)報;2010年04期

9 李暢暢;;一種基于結(jié)構(gòu)特征基本點的人耳識別定位的新方法[J];科技信息;2011年27期

10 徐正光;武楠;穆志純;;基于獨立分量分析的人耳識別方法[J];計算機工程;2006年19期

相關(guān)會議論文 前7條

1 袁立;付偉;穆志純;;一種自動人耳識別方法研究[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

2 駱佳佳;穆志純;王瑜;;改進的基于收斂域圖像的人耳識別算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 張好朋;;基于人耳識別方法的研究[A];第24屆全國煤礦自動化與信息化學(xué)術(shù)會議暨第6屆中國煤礦信息化與自動化高層論壇論文集[C];2014年

4 黃志榮;;基于Gabor特征的人耳識別方法的研究[A];第二十六屆中國（天津）2012IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2012年

5 江晨;穆志純;張保慶;張金;;基于學(xué)習(xí)字典的稀疏表示人耳識別方法[A];第25屆中國控制與決策會議論文集[C];2013年

6 郭頌;魏立峰;;基于信息融合的身份識別技術(shù)[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

7 沈華軍;武和雷;;基于KICA和SVM的人耳識別研究[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前3條

1 王曉云;基于代數(shù)方法的人耳識別研究[D];沈陽工業(yè)大學(xué);2011年

2 田瑩;人耳識別若干關(guān)鍵問題研究[D];沈陽工業(yè)大學(xué);2008年

3 劉恒;3D及多視人耳識別關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 崔紅飛;基于2DLDA與SVM的人耳識別算法研究[D];東北石油大學(xué);2015年

2 馬浩迪;基于L0梯度平滑的人耳識別[D];遼寧科技大學(xué);2015年

3 張德斌;基于稀疏表示的人耳識別[D];遼寧科技大學(xué);2015年

4 李林玲;基于模塊化神經(jīng)網(wǎng)絡(luò)的人耳識別[D];遼寧科技大學(xué);2016年

5 倫怡;人耳識別中人耳地形圖技術(shù)的研究[D];天津大學(xué);2006年

6 萬新;人耳識別若干問題的研究[D];沈陽工業(yè)大學(xué);2007年

7 徐超;非控制條件下的人耳識別的研究[D];遼寧科技大學(xué);2013年

8 魏昊業(yè);人耳識別算法研究與應(yīng)用系統(tǒng)實現(xiàn)[D];內(nèi)蒙古大學(xué);2014年

9 郭偉芳;基于主成分分析的人耳識別方法研究[D];沈陽工業(yè)大學(xué);2009年

10 趙晶;基于力場轉(zhuǎn)換理論的人耳識別算法[D];沈陽工業(yè)大學(xué);2009年

，

本文編號：1987739