三维耳廓点云形状特征提取及匹配
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 生物特征识别技术 | 第8-10页 |
| 1.2 三维形状描述 | 第10-11页 |
| 1.3 本文工作介绍 | 第11-12页 |
| 2 相关工作介绍 | 第12-17页 |
| 2.1 耳廓识别算法 | 第12-14页 |
| 2.1.1 二维耳廓识别算法 | 第12-13页 |
| 2.1.2 三维耳廓识别算法 | 第13-14页 |
| 2.2 形状分布算法 | 第14-16页 |
| 2.3 本章小结 | 第16-17页 |
| 3 迭代最近点算法的分析比较 | 第17-28页 |
| 3.1 算法基本理论 | 第17-24页 |
| 3.1.1 ICP算法 | 第17-18页 |
| 3.1.2 Sparse ICP算法 | 第18-21页 |
| 3.1.3 ICNP算法 | 第21-23页 |
| 3.1.4 EM-ICP算法 | 第23-24页 |
| 3.2 算法分析与比较 | 第24-27页 |
| 3.2.1 算法原理对比 | 第24-26页 |
| 3.2.2 配准效果及精度对比 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 4 基于Sparse ICP的三维点云耳廓识别 | 第28-33页 |
| 4.1 三维耳廓点云预处理 | 第28-29页 |
| 4.2 关键点提取 | 第29-30页 |
| 4.3 实验结果及分析 | 第30-32页 |
| 4.3.1 匹配精度 | 第30-31页 |
| 4.3.2 匹配效率 | 第31-32页 |
| 4.3.3 匹配时间 | 第32页 |
| 4.4 本章小结 | 第32-33页 |
| 5 基于三维点云D2分布的耳廓形状识别 | 第33-43页 |
| 5.1 D2形状分布算法 | 第33-34页 |
| 5.2 基于最小二乘法曲线拟合 | 第34-35页 |
| 5.3 相似度计算与比较 | 第35-37页 |
| 5.4 实验结果与分析 | 第37-42页 |
| 5.4.1 形状特征相似度 | 第37-38页 |
| 5.4.2 健壮性分析 | 第38-40页 |
| 5.4.3 分类识别性能 | 第40-41页 |
| 5.4.4 匹配精度 | 第41-42页 |
| 5.4.5 匹配时间 | 第42页 |
| 5.5 本章小结 | 第42-43页 |
| 6 总结与展望 | 第43-44页 |
| 6.1 本文工作总结 | 第43页 |
| 6.2 未来工作的展望 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 攻读硕士学位期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50页 |
