利用生物特征進(jìn)行人類身份識別是當(dāng)今火熱的研究課題,它能快捷地確定一個人的真實身份。人臉識別、掌紋識別、虹膜識別等識別技術(shù)可實行的前提是對應(yīng)的生物特征是完好無損的,因此上述幾種識別技術(shù)對火災(zāi)、洪澇、爆炸或犯罪現(xiàn)場等遺留的尸骸不起作用。牙齒是一種具有耐腐蝕、熔點高、硬度大等特性的生物特征,它同人臉一樣具有個性,可輔助法醫(yī)鑒別無名尸體。牙齒影像在牙科治療中已越來越常見,且計算機視覺技術(shù)如今取得了前有未有的突破,它的算法理念和數(shù)字圖像處理技術(shù)為通過牙齒圖像進(jìn)行身份認(rèn)證這一技術(shù)奠定了基礎(chǔ)。本文以牙齒圖像（牙齒X光片和牙模圖像）為研究對象展開了身份認(rèn)證技術(shù)的研究�；谘例X圖像的身份識別技術(shù),其步驟大致可分為感興趣位置分割、特征提取、特征匹配,本文對此的主要研究內(nèi)容如下:1)牙齒X光片圖像感興趣位置的分割牙齒X光片圖像中感興趣位置與背景的灰度水平十分相似,相鄰牙齒牙冠部分存在粘連,現(xiàn)有的分割算法很難將這些位置完整地分割出來。針對這些問題本文提出了一種基于全閾值的牙齒X光片分割的算法。實驗表明本文的分割算法能克服牙齒X光片圖像本身的不足,其分割偏差率僅0.1489。2)牙模圖像輪廓分割從牙模圖像的輪廓... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

均值濾波效果演示Figure2-2.Theresultofmeanfilter

圖 2-3 （a）以原點為中心的高斯濾波模板位置分布（b）高斯濾波模板（c）歸一化高斯濾波模板re 2-3. (a) Position distribution of Gaussian filter box centered on the origi(b) Gaussian filter box, and (c) Normalized Gaussian filter box個位置坐標(biāo)帶入到高斯函數(shù)式（2-2）中，得到圖（2-3b）。這 9 0.4792，接著對它們進(jìn)行加權(quán)平均，讓它們的系數(shù)和等于 1。因數(shù)值進(jìn)行歸一化，即都除以 0.4792，得到最終的權(quán)重系數(shù)矩陣圖矩陣之后就可以應(yīng)用到圖像中了。高斯濾波的效果圖如圖 2-4 所5 5大小的濾波模板， =1.0 的高斯濾波后的圖像。顯然高斯濾斯噪聲的同時對圖像也產(chǎn)生了一定的模糊。

圖 2-6 中值濾波效果演示Figure 2-6. The result of median filter本增強技術(shù)訓(xùn)練數(shù)字圖像來實現(xiàn)人類個體身份識別需要大量的樣本圖像。然，尤其是醫(yī)學(xué)圖像不是一件容易的事。因此，本研究中采用了增樣本圖像數(shù)據(jù)。即對已有的圖像樣本進(jìn)行旋轉(zhuǎn)、平移、縮放些新的樣本圖像。這些形變圖像可模擬現(xiàn)實采集數(shù)字圖像時可一定程度上增加了圖像噪聲，可提高模型的泛化能力。射變換變換（Affine Transformation）又稱仿射映射，是指在幾何中，一次線性變換并接上一個平移，變換為另一個向量空間的過程[線性變換和平移變換的疊加，其變換效果如圖（2-7）所示。任能通過乘以一個矩陣（線性變換）接著再加上一個向量（平移。公式（2-4）和（2-5）用2 3的矩陣來表示仿射變換：

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)SIFT算法和NSCT相結(jié)合的遙感圖像匹配算法[J]. 宋佳乾,汪西原.  測繪通報. 2018(09)
[2]基于自相似性車載采集城市街景圖像的重建[J]. 楊偉,謝維成,蔣文波,石林玉.  計算機應(yīng)用. 2017(03)
[3]二值化的SIFT特征描述子及圖像拼接優(yōu)化[J]. 李倩,江澤濤.  中國圖象圖形學(xué)報. 2016(12)
[4]基于OpenCV的仿射變換研究與應(yīng)用[J]. 管焱然,管有慶.  計算機技術(shù)與發(fā)展. 2016(12)
[5]基于單幅圖像的三維建筑物交互累進(jìn)式建模[J]. 繆永偉,馮小紅,于莉潔,陳佳舟,李永水.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2016(09)
[6]水平集活動輪廓模型的3維牙齒重建[J]. 吳婷,張禮兵.  中國圖象圖形學(xué)報. 2016(08)
[7]用于分類與預(yù)測的決策樹分析（英文）[J]. Yan-yan SONG,Ying LU.  上海精神醫(yī)學(xué). 2015(02)
[8]基于樸素貝葉斯的差分隱私合成數(shù)據(jù)集發(fā)布算法[J]. 陳旋,劉健,馮新淇,趙雪美.  計算機科學(xué). 2015(01)
[9]圖像物體分類與檢測算法綜述[J]. 黃凱奇,任偉強,譚鐵牛.  計算機學(xué)報. 2014(06)
[10]基于HMM-SVM的圖像型火焰識別[J]. 柴茜,王慧琴,廖雨婷,盧英,馬宗方.  計算機工程與應(yīng)用. 2015(13)

博士論文
[1]多模態(tài)遙感圖像配準(zhǔn)關(guān)鍵技術(shù)研究[D]. 葉蓬.國防科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]基于智能手機的人體步態(tài)識別及其應(yīng)用[D]. 侯東谷.電子科技大學(xué) 2018
[2]基于屬性選擇加權(quán)的樸素貝葉斯算法的改進(jìn)與應(yīng)用[D]. 白贊.西安理工大學(xué) 2017
[3]同一認(rèn)定中基于牙齒影像的檢測與識別算法研究[D]. 周舟.山東大學(xué) 2015
[4]基于均衡5x2交叉驗證的分類算法對照研究[D]. 李艷芳.山西大學(xué) 2014



本文編號：3514477