文档介绍：篒Ⅵ—篋篢:——猟————褚::.::篐:●』●
⋯雠:⋯雠:疋⋯,在一年解密后适用本授权书。槐C堋辏月河北科技大学学位论文原创性声明河北科技大学学位论文版权使用授权书年月//口年月年/≯月本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品或成果。本人完全意识到本声明的法律结果由本人承担。本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于朐谝陨戏娇蚰诖颉啊
摘要信息融合就是通过利用计算机技术把从传感器上观测到的信息在一定的标准下进行分析、综合来实现任务决策和任务估计的一种信息处理过程。信息融合的中心问题是如何集成并综合来自不同信息源的信息。按照信息处理的层次,信息融合可以分为数据级融合、特征级融合以及决策级融合。在三级融合中,数据级融合主要是对原始观测的数据进行融合,这样就保持了数据的完整性,但是系统要求高,数据处理量也很大。决策级融合处理速度相对要快一些,但信息压缩量较大,信息损失率也随之增大。特征级融合的信息损失率以及处理速度均介于数据级融合和决策级融合之间,因此具有较大的灵活性。本文主要从人脸及人耳多模态身份识别领域对特征级融合技术进行探索和研究。整个识别过程中的核心环节是对特征进行提取。对于生物特征识别技术而言,进行特征提取的关键就是要寻求有效的特征提取方法。在传统的特征融合提取方法中,一般都是针对线性特征进行操作,而忽略了非线性的影响,而且由于生物特征之间不可避免的存在信息上的重复,使得数据的处理量无形中增加了很多。在综合相关领域的研究成果基础之上,本文提出一种基于改进的核独立成分分析的特征融合提取方法,从高阶统计的特性出发,使用改进后的网络中心选取算法的径向基函数神经网络对特征进行分类,因为该算法在克服姿态和光照等非线性影响方面具有很好的鲁棒性,经过实验分析,得到较为满意的识别效果。在此基础上,为了进一步提高识别的效果,本文进而又提出了一种基于独立子空间的独立成分分析的方法。所谓独立成分分析方法就是把全部独立成分空间分为若干个组,组内相互依赖,组间相互独立,然后将融合向量分别投影到这样的子空间上进行特征提取。这种独立子空间的独立成分分析方法,减少了独立成分之间因为算法缺陷带来的相关性,进一步克服姿态和光照变化对识别效果的影响,提高了产品的通用性,扩大算法的应用范围。本文综合考虑了人耳及人脸图像融合后信息的重合和图像中的姿态光照变化,主要从融合特征提取技术方面进行有益的探索与研究,取得了较好的实验结果,识别率较单一生物特征识别率有了很大提高。关键词信息融合:多模态识别:特征层融合:特征提取;核方法;独立子空间分析
瑃河北科技大学硕士学位论文篸琤,琭也,..,。.—.甌瓸,,甪,琣,,.,.畆痶,.甀
摘要瑃鎟;籪;;籭
目录::,目磕浚唬生物特征识别技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.锾卣魇侗鸬姆⒄褂胂肿础人耳人脸识别技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.肆呈侗稹信息融合技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文所作的工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯模式识别与计算机视觉⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯“图像识别中的特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.卣鞯难≡〉姆椒ḿ把芯肯肿础惴ǜ攀觥惴ㄓ糜诖碜匀煌枷袷荨;目≮磕縷目目目;磕目摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯生物特征识别系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.⑷⑷⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯特征融合与多模态识别研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第绿卣魈崛对数字图像的预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯“.∮敕指睢惴ā⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·..
.