基于牙齿图像的身份识别技术研究
发布时间：2021-11-23 19:04
利用生物特征进行人类身份识别是当今火热的研究课题,它能快捷地确定一个人的真实身份。人脸识别、掌纹识别、虹膜识别等识别技术可实行的前提是对应的生物特征是完好无损的,因此上述几种识别技术对火灾、洪涝、爆炸或犯罪现场等遗留的尸骸不起作用。牙齿是一种具有耐腐蚀、熔点高、硬度大等特性的生物特征,它同人脸一样具有个性,可辅助法医鉴别无名尸体。牙齿影像在牙科治疗中已越来越常见,且计算机视觉技术如今取得了前有未有的突破,它的算法理念和数字图像处理技术为通过牙齿图像进行身份认证这一技术奠定了基础。本文以牙齿图像（牙齿X光片和牙模图像）为研究对象展开了身份认证技术的研究。基于牙齿图像的身份识别技术,其步骤大致可分为感兴趣位置分割、特征提取、特征匹配,本文对此的主要研究内容如下:1)牙齿X光片图像感兴趣位置的分割牙齿X光片图像中感兴趣位置与背景的灰度水平十分相似,相邻牙齿牙冠部分存在粘连,现有的分割算法很难将这些位置完整地分割出来。针对这些问题本文提出了一种基于全阈值的牙齿X光片分割的算法。实验表明本文的分割算法能克服牙齿X光片图像本身的不足,其分割偏差率仅0.1489。2)牙模图像轮廓分割从牙模图像的轮廓...
【文章来源】：浙江工业大学浙江省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
均值滤波效果演示Figure2-2.Theresultofmeanfilter
图 2-3 （a）以原点为中心的高斯滤波模板位置分布（b）高斯滤波模板（c）归一化高斯滤波模板re 2-3. (a) Position distribution of Gaussian filter box centered on the origi(b) Gaussian filter box, and (c) Normalized Gaussian filter box个位置坐标带入到高斯函数式（2-2）中，得到图（2-3b）。这 9 0.4792，接着对它们进行加权平均，让它们的系数和等于 1。因数值进行归一化，即都除以 0.4792，得到最终的权重系数矩阵图矩阵之后就可以应用到图像中了。高斯滤波的效果图如图 2-4 所5 5大小的滤波模板， =1.0 的高斯滤波后的图像。显然高斯滤斯噪声的同时对图像也产生了一定的模糊。
图 2-6 中值滤波效果演示Figure 2-6. The result of median filter本增强技术训练数字图像来实现人类个体身份识别需要大量的样本图像。然，尤其是医学图像不是一件容易的事。因此，本研究中采用了增样本图像数据。即对已有的图像样本进行旋转、平移、缩放些新的样本图像。这些形变图像可模拟现实采集数字图像时可一定程度上增加了图像噪声，可提高模型的泛化能力。射变换变换（Affine Transformation）又称仿射映射，是指在几何中，一次线性变换并接上一个平移，变换为另一个向量空间的过程[线性变换和平移变换的叠加，其变换效果如图（2-7）所示。任能通过乘以一个矩阵（线性变换）接着再加上一个向量（平移。公式（2-4）和（2-5）用2 3的矩阵来表示仿射变换：
【参考文献】：
期刊论文
[1]改进SIFT算法和NSCT相结合的遥感图像匹配算法[J]. 宋佳乾,汪西原. 测绘通报. 2018(09)
[2]基于自相似性车载采集城市街景图像的重建[J]. 杨伟,谢维成,蒋文波,石林玉. 计算机应用. 2017(03)
[3]二值化的SIFT特征描述子及图像拼接优化[J]. 李倩,江泽涛. 中国图象图形学报. 2016(12)
[4]基于OpenCV的仿射变换研究与应用[J]. 管焱然,管有庆. 计算机技术与发展. 2016(12)
[5]基于单幅图像的三维建筑物交互累进式建模[J]. 缪永伟,冯小红,于莉洁,陈佳舟,李永水. 计算机辅助设计与图形学学报. 2016(09)
[6]水平集活动轮廓模型的3维牙齿重建[J]. 吴婷,张礼兵. 中国图象图形学报. 2016(08)
[7]用于分类与预测的决策树分析（英文）[J]. Yan-yan SONG,Ying LU. 上海精神医学. 2015(02)
[8]基于朴素贝叶斯的差分隐私合成数据集发布算法[J]. 陈旋,刘健,冯新淇,赵雪美. 计算机科学. 2015(01)
[9]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛. 计算机学报. 2014(06)
[10]基于HMM-SVM的图像型火焰识别[J]. 柴茜,王慧琴,廖雨婷,卢英,马宗方. 计算机工程与应用. 2015(13)
博士论文
[1]多模态遥感图像配准关键技术研究[D]. 叶蓬.国防科学技术大学 2016
硕士论文
[1]基于智能手机的人体步态识别及其应用[D]. 侯东谷.电子科技大学 2018
[2]基于属性选择加权的朴素贝叶斯算法的改进与应用[D]. 白赞.西安理工大学 2017
[3]同一认定中基于牙齿影像的检测与识别算法研究[D]. 周舟.山东大学 2015
[4]基于均衡5x2交叉验证的分类算法对照研究[D]. 李艳芳.山西大学 2014
本文编号：3514477
【文章来源】：浙江工业大学浙江省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
均值滤波效果演示Figure2-2.Theresultofmeanfilter
图 2-3 （a）以原点为中心的高斯滤波模板位置分布（b）高斯滤波模板（c）归一化高斯滤波模板re 2-3. (a) Position distribution of Gaussian filter box centered on the origi(b) Gaussian filter box, and (c) Normalized Gaussian filter box个位置坐标带入到高斯函数式（2-2）中，得到图（2-3b）。这 9 0.4792，接着对它们进行加权平均，让它们的系数和等于 1。因数值进行归一化，即都除以 0.4792，得到最终的权重系数矩阵图矩阵之后就可以应用到图像中了。高斯滤波的效果图如图 2-4 所5 5大小的滤波模板， =1.0 的高斯滤波后的图像。显然高斯滤斯噪声的同时对图像也产生了一定的模糊。
图 2-6 中值滤波效果演示Figure 2-6. The result of median filter本增强技术训练数字图像来实现人类个体身份识别需要大量的样本图像。然，尤其是医学图像不是一件容易的事。因此，本研究中采用了增样本图像数据。即对已有的图像样本进行旋转、平移、缩放些新的样本图像。这些形变图像可模拟现实采集数字图像时可一定程度上增加了图像噪声，可提高模型的泛化能力。射变换变换（Affine Transformation）又称仿射映射，是指在几何中，一次线性变换并接上一个平移，变换为另一个向量空间的过程[线性变换和平移变换的叠加，其变换效果如图（2-7）所示。任能通过乘以一个矩阵（线性变换）接着再加上一个向量（平移。公式（2-4）和（2-5）用2 3的矩阵来表示仿射变换：
【参考文献】：
期刊论文
[1]改进SIFT算法和NSCT相结合的遥感图像匹配算法[J]. 宋佳乾,汪西原. 测绘通报. 2018(09)
[2]基于自相似性车载采集城市街景图像的重建[J]. 杨伟,谢维成,蒋文波,石林玉. 计算机应用. 2017(03)
[3]二值化的SIFT特征描述子及图像拼接优化[J]. 李倩,江泽涛. 中国图象图形学报. 2016(12)
[4]基于OpenCV的仿射变换研究与应用[J]. 管焱然,管有庆. 计算机技术与发展. 2016(12)
[5]基于单幅图像的三维建筑物交互累进式建模[J]. 缪永伟,冯小红,于莉洁,陈佳舟,李永水. 计算机辅助设计与图形学学报. 2016(09)
[6]水平集活动轮廓模型的3维牙齿重建[J]. 吴婷,张礼兵. 中国图象图形学报. 2016(08)
[7]用于分类与预测的决策树分析（英文）[J]. Yan-yan SONG,Ying LU. 上海精神医学. 2015(02)
[8]基于朴素贝叶斯的差分隐私合成数据集发布算法[J]. 陈旋,刘健,冯新淇,赵雪美. 计算机科学. 2015(01)
[9]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛. 计算机学报. 2014(06)
[10]基于HMM-SVM的图像型火焰识别[J]. 柴茜,王慧琴,廖雨婷,卢英,马宗方. 计算机工程与应用. 2015(13)
博士论文
[1]多模态遥感图像配准关键技术研究[D]. 叶蓬.国防科学技术大学 2016
硕士论文
[1]基于智能手机的人体步态识别及其应用[D]. 侯东谷.电子科技大学 2018
[2]基于属性选择加权的朴素贝叶斯算法的改进与应用[D]. 白赞.西安理工大学 2017
[3]同一认定中基于牙齿影像的检测与识别算法研究[D]. 周舟.山东大学 2015
[4]基于均衡5x2交叉验证的分类算法对照研究[D]. 李艳芳.山西大学 2014
本文编号：3514477
本文链接：https://www.wllwen.com/yixuelunwen/yundongyixue/3514477.html
最近更新
教材专著
