首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

3D及多视人耳识别关键技术研究

摘要第1-9页
ABSTRACT第9-14页
第一章 绪论第14-21页
   ·引言第14-15页
   ·人耳识别的原理和研究意义第15-17页
   ·国内外的研究现状第17-18页
   ·人耳识别研究的难点第18-19页
   ·本文主要的研究内容及章节安排第19-21页
第二章 耳朵数据采集和预处理第21-36页
   ·引言第21-22页
   ·2D 耳朵采集与预处理第22-29页
     ·2D 耳朵采集第22-24页
     ·2D 耳朵预处理第24-29页
   ·3D 耳朵采集与预处理第29-35页
     ·3D 耳朵线激光扫描第29-32页
     ·耳朵激光条纹图像处理第32-33页
     ·3D 耳朵点云模型第33-35页
   ·本章小结第35-36页
第三章 基于两视的耳朵形体特征提取和3D 耳朵重建第36-55页
   ·引言第36-37页
   ·两视耳朵形体特征提取第37-41页
     ·正视形状特征提取第37-40页
     ·后视形体特征提取第40-41页
   ·基于两视形体特征的2D 耳朵识别第41-43页
   ·基于两视的3D 耳朵重建第43-54页
     ·外极几何基本原理第43-45页
     ·耳朵特征点检测第45-46页
     ·两视基础矩阵求解第46-50页
     ·基于本质矩阵E 的直接耳朵3D 重建第50-53页
     ·交互式3D 耳朵重建第53-54页
   ·本章小结第54-55页
第四章 基于NKDA B 样条姿态流形构建的多视耳朵识别第55-70页
   ·引言第55-57页
   ·多视耳朵姿态流形推断第57-59页
   ·基于NKDA 的B 样条姿态流形构建第59-64页
     ·多视耳朵NKDA 非线性耳朵特征提取第59-62页
     ·B 样条简介第62-63页
     ·鉴别B 样条姿态流形第63-64页
   ·实验和比较第64-69页
     ·多视耳朵识别实验结果第65-68页
     ·与流形学习方法的比较第68-69页
     ·NKDA B 样条姿态流形多视人脸识别第69页
   ·本章小结第69-70页
第五章 3D 耳朵模型姿态归一化及配准第70-89页
   ·引言第70-71页
   ·3D 配准的意义、原理分析和相关工作第71-74页
     ·3D 配准的意义第71-72页
     ·3D 配准原理第72-73页
     ·国内外3D 配准相关的工作第73-74页
   ·3D 模型Mesh PCA 姿态归一化第74-81页
     ·Mesh PCA 的不确定性第74-77页
     ·增强Mesh PCA 方法第77-78页
     ·实验与讨论第78-81页
   ·神经网络3D 模型配准策略第81-88页
     ·3D 模型预处理第81-83页
     ·3D 配准神经网络结构第83-85页
     ·神经学习第85-86页
     ·实验与讨论第86-88页
   ·本章小结第88-89页
第六章 线激光扫描点云3D 耳朵识别第89-108页
   ·引言第89-90页
   ·3D 耳朵点云模型预处理第90-92页
   ·基于ICP 和局部曲面重建的3D 耳朵识别第92-96页
     ·基于ICP 和局部曲面重建的耳朵识别原理和方法第92-95页
     ·基于ICP 和局部曲面重建的3D 耳朵识别实验第95-96页
   ·基于截面轮廓线匹配的3D 耳朵识别第96-102页
     ·耳朵识别截面轮廓线匹配原理第96-98页
     ·截面轮廓线获取第98-100页
     ·截面轮廓线特征提取和匹配第100-101页
     ·基于截面轮廓线匹配的3D 耳朵识别实验第101-102页
   ·性能评估和预测第102-106页
     ·验证性能评估第103-104页
     ·CMC 识别性能预测第104-106页
   ·本章小结第106-108页
第七章 总结和展望第108-119页
   ·全文总结第108-109页
   ·未来工作展望第109-119页
致谢第119-120页
攻读博士学位期间完成的论文第120-121页
攻读博士学位期间参与科研项目第121页

论文共121页,点击 下载论文
上一篇:基于点模型的体绘制和3D几何滤波及其在医学图像处理中的应用
下一篇:无线传感器网络中定位跟踪技术的研究