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 |