本文關(guān)鍵詞：快速模板匹配方法及其在眉毛識別中的應用，由筆耕文化傳播整理發(fā)布。

【摘要】：模板匹配是機器視覺、圖像和視頻處理中一個基本的問題,即如何在給定圖像里找出模板,其相關(guān)方法在生產(chǎn)質(zhì)量控制、紋理合成、運動估計、物體檢測、行為識別和圖像降噪等各個方面,都有廣泛地應用。然而,要設(shè)計出更好的快速模板匹配方法,仍是一項極富挑戰(zhàn)性的工作。為此,本文對快速模板匹配方法進行了系統(tǒng)而深入的研究,并將它們應用到眉毛識別中。眉毛識別的基本思想是:人類眉毛可以作為一種獨立的生物特征,以很高的概率確定出個人身份。它可以在虹膜采集困難時替代虹膜識別,或在人臉鼻子及以下部分被遮擋時替代人臉識別。但以往的眉毛識別方法均需要人為參與,且識別正確率低。將快速模板匹配方法應用到眉毛識別,可以實現(xiàn)識別方法的自動化,同時也利于提高識別的正確率。本文的主要創(chuàng)新研究成果有以下幾個方面:(1)提出了一種快速正交Haar變換模板匹配算法雖然正交Haar變換模板匹配算法(OHT)使用圖像的條形和獲得了不錯的表現(xiàn),但它在計算每個Haar投影值時,仍需要3次運算。為此,通過建立正交Haar變換的嚴謹數(shù)學模型,本文借助方形和的概念,提出了一種快速正交Haar變換模板匹配算法(FOHT)。它使得每個Haar投影值的計算量由3次減法運算減少為1次,從而獲得了更快的匹配速度。大量實驗結(jié)果表明,在多數(shù)單模板匹配情況下,FOHT的匹配速度與OHT不相上下;而在多模板匹配時,FOHT的匹配速度總要快于OHT。(2)提出了一種擬Haar變換模板匹配算法由于OHT和FOHT要求被處理的模板必須是標準大小的,而實際應用中的模板多為任意尺寸,因此有必要將正交Haar變換發(fā)展成為擬Haar變換。同樣建立了擬Haar變換的嚴謹數(shù)學模型,本文利用樹分解的計算策略,使圖像擬Haar投影值的計算量約減少為直接計算時的一半,并據(jù)此提出了一種擬Haar變換模板匹配算法(QHT)。大量實驗表明,QHT能夠以較高的效率直接處理任意大小的模板;并且某些情況下,它在處理標準模板時擁有比OHT更快的速度。(3)提出了一種新穎的匹配識別框架思想傳統(tǒng)檢測識別框架下的眉毛識別方法都需要人的參與,這給識別帶來了不確定因素。為此本文提出一種新穎的匹配識別框架思想,它首先匹配出模板的最相似區(qū)域,然后通過判別距離的計算得出最終識別結(jié)果。大量實驗表明,該框架能實現(xiàn)自動化程度較高的眉毛識別系統(tǒng),同時實驗也展現(xiàn)了眉毛識別替代人臉識別的可行性。此外,該匹配識別框架是一種通用的自動圖像識別框架,它只需要替換眉毛模板,便能被用于其他基于圖像的生物特征識別中。(4)提出了四種基于快速模板匹配的眉毛識別方法為了進一步提高眉毛識別的正確率和效率,本文將OHT、FOHT、QHT,以及梯度模板匹配算法(GTM)應用到眉毛識別中,分別得到四種新的眉毛識別方法。實驗表明,這些眉毛識別方法的識別效率都很高,而且使用GTM的眉毛識別方法,在公開的BJUTED眉毛數(shù)據(jù)庫上取得了98.12%的識別正確率,這是目前為止在該數(shù)據(jù)庫上所取得的最高識別正確率。
【關(guān)鍵詞】：模板匹配 眉毛識別 正交Haar變換 擬Haar變換 匹配識別框架
【學位授予單位】：北京工業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-29
• 1.1 研究背景和意義11-14
• 1.2 國內(nèi)外相關(guān)研究綜述14-25
• 1.2.1 模板匹配方法14-23
• 1.2.2 眉毛識別方法23-25
• 1.3 本文主要研究內(nèi)容與論文組織結(jié)構(gòu)25-29
• 第2章 快速正交Haar變換模板匹配算法29-53
• 2.1 圖像的Haar投影值29-33
• 2.2 Haar投影值的快速計算33-37
• 2.2.1 積分圖方法33
• 2.2.2 條形和方法33-35
• 2.2.3 方形和方法35-37
• 2.3 快速正交Haar變換模板匹配算法37-41
• 2.3.1 正交Haar變換的下界函數(shù)37-38
• 2.3.2 正交Haar變換模板匹配算法38-39
• 2.3.3 快速正交Haar變換模板匹配算法39-41
• 2.4 實驗結(jié)果41-50
• 2.4.1 原始圖像的匹配實驗42-43
• 2.4.2 噪聲圖像的匹配實驗43-44
• 2.4.3 模糊圖像的匹配實驗44-45
• 2.4.4 壓縮圖像的匹配實驗45-46
• 2.4.5 多模板匹配實驗46-48
• 2.4.6 實驗結(jié)果分析48-50
• 2.5 本章小結(jié)50-53
• 第3章 擬Haar變換模板匹配算法53-71
• 3.1 擬Haar變換53-58
• 3.2 樹分解的快速計算策略58-62
• 3.3 擬Haar變換模板匹配算法62-63
• 3.4 實驗結(jié)果63-70
• 3.4.1 標準模板的匹配實驗64-67
• 3.4.2 非標準模板的匹配實驗67-70
• 3.5 本章小結(jié)70-71
• 第4章 匹配識別框架及自動眉毛識別71-91
• 4.1 檢測識別框架下的眉毛識別方法71-74
• 4.2 匹配識別框架74-76
• 4.3 匹配識別框架的自動眉毛識別應用76-81
• 4.3.1 BJUTED眉毛數(shù)據(jù)庫77-78
• 4.3.2 圖像歸一化78-79
• 4.3.3 傅里葉頻譜距離79-81
• 4.4 實驗結(jié)果81-89
• 4.4.1 頻譜參數(shù)D的選擇82-83
• 4.4.2 匹配識別框架下的眉毛可區(qū)分性實驗83-85
• 4.4.3 匹配識別框架下的眉毛識別實驗85-86
• 4.4.4 Color FERET人臉數(shù)據(jù)庫下的對比實驗86-89
• 4.5 本章小結(jié)89-91
• 第5章 基于快速模板匹配的眉毛識別方法91-111
• 5.1 正交Haar及擬Haar變換的眉毛識別應用91-95
• 5.1.1 最大標準子模板的選取方法92-93
• 5.1.2 閾值自適應設(shè)置方法93
• 5.1.3 基于正交Haar變換的眉毛識別方法93-94
• 5.1.4 基于擬Haar變換的眉毛識別方法94-95
• 5.2 梯度模板匹配算法的眉毛識別應用95-99
• 5.2.1 圖像平滑處理96-97
• 5.2.2 圖像梯度的計算97-98
• 5.2.3 梯度量化及梯度匹配結(jié)果的調(diào)整98-99
• 5.2.4 基于梯度匹配的眉毛識別方法99
• 5.3 實驗結(jié)果99-108
• 5.3.1 正交Haar及擬Haar變換的眉毛識別實驗101-102
• 5.3.2 基于梯度匹配的眉毛識別方法實驗102-106
• 5.3.3 BJUTED眉毛數(shù)據(jù)庫上的對比實驗106-108
• 5.4 本章小結(jié)108-111
• 結(jié)論111-113
• 參考 文獻113-121
• 攻讀博士學位期間所發(fā)表的學術(shù)論文121-123
• 致謝123

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李玉擰;白潔;;基于分水嶺和K-均值的半自動眉毛圖像分割[J];北京工業(yè)大學學報;2012年07期

2 李玉擰;謝歡曦;周藝華;;基于2DPCA的眉毛識別方法研究[J];武漢大學學報(理學版);2011年06期

3 李玉擰;張夏歡;張晨光;;半自動眉毛識別方法[J];計算機工程與應用;2011年31期

4 賈楷熙;薛靜;;基于Zernike矩和BP網(wǎng)絡(luò)的步態(tài)識別技術(shù)研究[J];西北工業(yè)大學學報;2010年05期

5 查峰;達飛鵬;;基于SIFT特征的3D人耳識別方法[J];東南大學學報(自然科學版);2010年S1期

6 李厚君;李玉擰;;基于AdaBoost的眉毛檢測與定位[J];計算機與數(shù)字工程;2010年08期

7 李玉擰;王利娟;;基于PCA的眉毛識別方法研究[J];計算機工程與科學;2008年11期

8 李玉擰;李星立;;基于離散HMM的眉毛識別方法研究[J];中國圖象圖形學報;2008年08期

9 李玉擰;付翠花;;一種基于特征串比較的眉毛識別方法[J];北京工業(yè)大學學報;2008年01期

10 薛召軍;李佳;明東;萬柏坤;;基于支持向量機的步態(tài)識別新方法[J];天津大學學報;2007年01期

  本文關(guān)鍵詞：快速模板匹配方法及其在眉毛識別中的應用，，由筆耕文化傳播整理發(fā)布。

本文編號：291585