文档介绍：摘 要
生物特征特征识别技术是现在公认的安全个人身份认证技术，目前，指纹识别、
虹膜识别也已经应用于实际。能够用来进行进行身份确认的生物特征需要满足普遍
性、唯一性、不变性、可采集性、易接受性，在实际应用中，往往很难找到同时满足
所有上述所有条件的生物特征，每种生物特征识别技术都存在某种缺陷，以后生物识
别技术的大范围应用必然是几种生物特征识别技术的综合应用。本文以颅颌面为主要
研究对象，以提取颅颌面多元特征作为识别不同个体的依据。并以此为目的，在识别
过程中对一些关键的提取技术和主要算法进行了深入研究。
通过分析颅颌面形状特征、纹理特征、生理特征，分别对这些特征进行提取分析，
文中将不变矩作为颅颌面形状特征提取的主要手段，利用小波包分解来表示纹理特
征，研究了 Delaire 的平衡头影测量体系，建立颅颌面生理特征提取模型，并通过实
验验证这三种不同特征的算法在颅颌面识别过程中起到了良好的作用。
在文中，提出了基于 RBF 神经网络的人体颅颌面多元特征信息融合算法，建立
了人体颅颌面身份特征信息的特征指标体系，重点对 RBF 神经网络算法训练过程中
遇到的关键问题进行了分析，在 matlab 软件基础上，开发了颅颌面特征信息提取及
算法性能验证的试验平台。通过仿真分析，验证了 RBF 神经网络对特征融合的可行
性，并证明其在一定程度上降低了原有数据的维数，提高了算法的运行效率，在融合
多元特征后更能完整表达颅颌面的整体特征，并且识别效果也优于单独的特征识别。
实验证明，基于 RBF 神经网络的多元特征识别技术是可靠有效的。
关键词：生物识别，颅颌面， 特征提取，RBF 神经网络
I
ABSTRACT
The biometric feature recognition technology is a secure personal authentication
technology. Now the fingerprint recognition and iris recognition have also been applied in
actual. Biometric identification need to meet the universality, unique, invariant, can be
collected and easily accepting. But in real life, it's difficult to find a biological object to
meet the entire above all of the conditions at the same time. Each biometric technology has
some defect. In the future, the wide range of applications of biometric technology must be
several comprehensive application of biometric identification technology. This article set
the cranio-maxillo-facial as the main object and extract the cranio-maxillo-facial multiple
characteristics as the basis of different individuals. And for this purpose, the articles study
the key extraction technology and algorithm-depth in the identification process.
The article extraction and analysis cranio-maxillo-facial shape characteristics, texture
characteristics and physiological characteristics. The article use the same momen