本文關(guān)鍵詞：三維耳廓點(diǎn)云形狀特征提取及匹配，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著因特網(wǎng)絡(luò)技術(shù)的逐步提高,網(wǎng)絡(luò)與人們的工作、學(xué)習(xí)、生活緊密相連,網(wǎng)絡(luò)安全問(wèn)題成為人們?cè)絹?lái)越關(guān)注的焦點(diǎn)。生物識(shí)別技術(shù)能夠避免傳統(tǒng)的身份鑒別方式中易忘記、易丟失、易損壞等缺陷,提高了身份鑒別方式的可靠性。耳廓識(shí)別技術(shù)是近幾年來(lái)生物識(shí)別技術(shù)中的新寵,與其他生物識(shí)別技術(shù)相比具有明顯的優(yōu)勢(shì)。本文針對(duì)三維耳廓點(diǎn)云模型的識(shí)別技術(shù)進(jìn)行了相關(guān)的研究,其主要工作如下:(1)介紹了經(jīng)典ICP算法,以及Sparse ICP、ICNP、EM-ICP三種改進(jìn)算法的基本原理與算法流程,分析并比較各算法的優(yōu)勢(shì)與不足。將這四種迭代最近點(diǎn)算法應(yīng)用到三維耳廓模型的配準(zhǔn)中,對(duì)比四種算法的配準(zhǔn)效果、配準(zhǔn)效率以及配準(zhǔn)精度。(2)首先對(duì)三維耳廓點(diǎn)云模型進(jìn)行預(yù)處理,調(diào)整數(shù)據(jù)庫(kù)中所有耳廓點(diǎn)云模型的位置與姿態(tài),然后根據(jù)Iannarelli分類系統(tǒng)提取三維耳廓模型中四個(gè)局部特征區(qū)域,利用Sparse ICP算法對(duì)三維耳廓點(diǎn)云模型的局部特征進(jìn)行匹配,根據(jù)耳廓模型之間對(duì)應(yīng)點(diǎn)間的距離判斷差異度,最終達(dá)到識(shí)別的效果。(3)利用D2形狀分布算法對(duì)耳廓全局形狀特征進(jìn)行描述,首先將三維點(diǎn)云模型三角劃分成若干個(gè)三角形,隨機(jī)抽取三角形,計(jì)算該三角形上的隨機(jī)點(diǎn),統(tǒng)計(jì)若干個(gè)隨機(jī)點(diǎn)之間的歐式距離分布情況,進(jìn)而構(gòu)成該模型的D2形狀分布直方圖,基于最小二乘法將離散的形狀分布直方圖擬合為形狀分布曲線。利用概率密度函數(shù)的Minkowski L1范數(shù)方法對(duì)耳廓模型的形狀分布曲線進(jìn)行比較。通過(guò)實(shí)驗(yàn)分析結(jié)果,D2形狀分布算法對(duì)三維點(diǎn)云的形狀描述不受分辨率、模型位置、模型姿態(tài)等影響,適用于三維耳廓識(shí)別。
【關(guān)鍵詞】：耳廓識(shí)別 Sparse ICP D2 三維形狀描述
【學(xué)位授予單位】：遼寧師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-12
• 1.1 生物特征識(shí)別技術(shù)8-10
• 1.2 三維形狀描述10-11
• 1.3 本文工作介紹11-12
• 2 相關(guān)工作介紹12-17
• 2.1 耳廓識(shí)別算法12-14
• 2.1.1 二維耳廓識(shí)別算法12-13
• 2.1.2 三維耳廓識(shí)別算法13-14
• 2.2 形狀分布算法14-16
• 2.3 本章小結(jié)16-17
• 3 迭代最近點(diǎn)算法的分析比較17-28
• 3.1 算法基本理論17-24
• 3.1.1 ICP算法17-18
• 3.1.2 Sparse ICP算法18-21
• 3.1.3 ICNP算法21-23
• 3.1.4 EM-ICP算法23-24
• 3.2 算法分析與比較24-27
• 3.2.1 算法原理對(duì)比24-26
• 3.2.2 配準(zhǔn)效果及精度對(duì)比26-27
• 3.3 本章小結(jié)27-28
• 4 基于Sparse ICP的三維點(diǎn)云耳廓識(shí)別28-33
• 4.1 三維耳廓點(diǎn)云預(yù)處理28-29
• 4.2 關(guān)鍵點(diǎn)提取29-30
• 4.3 實(shí)驗(yàn)結(jié)果及分析30-32
• 4.3.1 匹配精度30-31
• 4.3.2 匹配效率31-32
• 4.3.3 匹配時(shí)間32
• 4.4 本章小結(jié)32-33
• 5 基于三維點(diǎn)云D2分布的耳廓形狀識(shí)別33-43
• 5.1 D2形狀分布算法33-34
• 5.2 基于最小二乘法曲線擬合34-35
• 5.3 相似度計(jì)算與比較35-37
• 5.4 實(shí)驗(yàn)結(jié)果與分析37-42
• 5.4.1 形狀特征相似度37-38
• 5.4.2 健壯性分析38-40
• 5.4.3 分類識(shí)別性能40-41
• 5.4.4 匹配精度41-42
• 5.4.5 匹配時(shí)間42
• 5.5 本章小結(jié)42-43
• 6 總結(jié)與展望43-44
• 6.1 本文工作總結(jié)43
• 6.2 未來(lái)工作的展望43-44
• 參考文獻(xiàn)44-49
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況49-50
• 致謝50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 張保慶;穆志純;曾慧;;基于非負(fù)稀疏表示的遮擋人耳識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年08期

2 王洪申;張樹生;白曉亮;張開興;;三維CAD曲面模型距離-曲率形狀分布檢索算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年05期

3 田啟川;張潤(rùn)生;;生物特征識(shí)別綜述[J];計(jì)算機(jī)應(yīng)用研究;2009年12期

4 陳雷蕾;王斌;張立明;;快速三維人耳提取與識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2009年10期

5 田瑩;苑瑋琦;;尺度不變特征與幾何特征融合的人耳識(shí)別方法[J];光學(xué)學(xué)報(bào);2008年08期

6 楊育彬,林琿,朱慶;基于內(nèi)容的三維模型檢索綜述[J];計(jì)算機(jī)學(xué)報(bào);2004年10期

  本文關(guān)鍵詞：三維耳廓點(diǎn)云形狀特征提取及匹配，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：351989