基于力场转换理论的耳廓识别

本文提出了一种基于力场转换理论的人耳识别方法,在检测出耳廓边缘的基础上,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对人耳图像特征点进行定位,最终利用提取出的"势能阱"和"势能渠"实现匹配与识别,经在选用的耳廓图库上实验,错误接受率FAR为1.28%,错误拒绝率FRR为6.28%。

基于Sparse ICP的三维点云耳廓识别

提出一种新颖的三维耳廓识别方法,首先基于PCA和SVD分解对三维耳廓点云模型进行归一化预处理,以统一数据库中所有耳廓点云模型的位置与姿态;然后基于Iannarelli分类系统提取三维耳廓的4个局部特征区域,并利用Sparse ICP算法对局部特征区域进行匹配;最后根据局部特征区域中对应点间的距离判断耳廓之间的差异测度,实现耳廓形状识别。实验证明,本文算法与其他算法相比具有较高的识别精度和识别效率。

基于图像力场转换的耳廓图像识别

首先讨论了耳廓识别技术的可行性、可靠性及其特点,针对耳廓识别特点提出一种基于图像力场转换的耳廓识别方法(Force-field fisher classifier)．该方法通过力场图像转换提取耳廓图像特征后,采用Fisher线性判别分类识别,减小了光照变化对耳廓识别的影响．在我们选取的耳廓图像库上识别率达到了98.5%．

三维耳廓点云的D2统计分布形状识别

提出三维耳廓点云形状特征的D2统计分布曲线构造方法,进而实现了三维耳廓点云的识别.首先在三维耳廓点云模型上随机选取若干对点,计算随机点对之间的欧氏距离,并使用最小二乘法拟合点对之间离散的距离直方图,得到描述耳廓三维点云形状分布的统计特征曲线;然后以任意两个耳廓形状特征曲线之间的Minkowski距离作为两者之间的相似测度,比较相似测度最终实现基于统计形状特征的三维耳廓点云识别.相关实验结果显示,本文算法对于旋转、平移等基本几何变换,以及多种噪声干扰具有较高的健壮性,与其他同类算法相比,本文算法具有较高的识别精度和计算效率.

基于耳廓特征的生物识别新技术

耳廓检测和特征点的定位是基于耳廓的身份识别与验证新技术研究中非常重要的一部分。耳廓具有数据采集量少,便于建库,色泽分布一致,不受丰富表情影响等诸多优势。采用快速耳廓检测和定位技术,并基于耳廓图像可逆线性变换的方法,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对耳廓图像特征点进行定位。在实验分析过程中,首先解决了耳廓自动检测,并在此基础上定位和提取耳廓特征点,通过力场模型的调整,使得场线较好的收敛于某最近似像素点,解决了力场连续性和数字图像离散性的矛盾,取得满意结果。

耳廓点云形状特征匹配的路径跟随算法

路径跟随算法结合凸松弛方法与凹松弛方法,通过跟随凸凹问题的解路径,近似地求解图匹配问题,具有较高的匹配精度.将路径跟随算法用于耳廓特征图的匹配问题:首先,基于PCA方法构造耳廓点云的显著性关键点集合;然后,采用乘积型参数域上的单值二次曲面方法拟合关键点邻域内的点集,并将曲面的局部形状特征定义为耳廓的局部形状相似测度;第三,对关键点集合进行Delaunay三角剖分,得到关键点集合在三维空间内的拓扑结构图,并定义关键点图的整体结构差异测度;最后,记耳廓关键点图的组合差异测度为关键点图的整体结构差异测度与关键点上的局部形状相似测度的线性组合,并基于路径跟随算法快速求解关键点图之间的精确匹配.相关实验结果表明:与其他相关算法相比,该算法具有较高的匹配效率和匹配精度.