导读:本文包含了奇异值隐马尔可夫模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:奇异,马尔,模型,可夫,分解,虹膜,特征。
奇异值隐马尔可夫模型论文文献综述
罗菁,林树忠,詹湘琳,倪建云[1]（2009）在《奇异点和隐马尔可夫模型融合的指纹分类》一文中研究指出为了提高分类精度,提出一种基于奇异点和隐马尔可夫模型(HMM)融合的指纹分类方法。分别对基于奇异点的指纹分类方法和基于HMM的指纹分类方法的信任度函数进行分配,利用证据理论求得两种方法联合作用下的基本可信度分配值。最后,根据纹形模式判定规则,选择具有最大支持度的目标完成指纹纹型分类。利用提出的方法在国际指纹竞赛数据库上做了测试,总的纹型辨识平均正确率可达94.5%,识别结果优于奇异点分类方法和HMM分类方法,具有一定的实用价值。(本文来源于《光学精密工程》期刊2009年04期）
顾芳[2]（2009）在《基于奇异值分解和隐马尔可夫模型的掌纹识别技术研究》一文中研究指出掌纹作为一种重要的生物特征,具有特征唯一、采样简单、易接受和信息量大等优点,掌纹识别技术目前尚未成熟,具有很高的研究价值。本文设计实现了基于奇异值分解和隐马尔可夫模型的掌纹识别系统,先后在预处理部分、特征提取部分和匹配识别部分都提出了新的解决方法,并首次尝试了新的隐马尔可夫模型识别方法。该算法基于概率统计学,区别于传统识别方法,目前在人脸识别领域中仍属于前沿技术,在掌纹识别领域中还处于空白。本文主要采用香港理工大学(Hong Kong Polytechnic University, PolyU)标准掌纹库图像验证了算法的有效性,最终完成了软件识别系统的开发。主要研究内容如下：1、本文针对香港理工大学标准掌纹库,根据采集手掌所特有的规则性和稳定性,排除复杂、实现困难的方法,实现了兼具简单、快速、精确和高效的掌纹图像感兴趣区域(Region of Interest, ROI)提取算法。2、在指静脉重复线形跟踪二值化算法的基础上,本文引出了一种新的线特征增强技术。该技术一方面不受图像局部或整体光照不均影响,另一方面,能够根据特征自身强度不同,实时的进行不同程度的增强。该技术不仅适用于掌纹,也适用于其他的生物线特征增强,对图像处理技术具有普遍的应用研究价值。3、在掌纹特征提取这部分,本文借鉴人脸识别领域的研究成果,对掌纹提出了一种新的基于局部奇异值分解的特征提取方法,该方法在相同实验平台上与较为成熟的小波识别方法相比,显得更加简单高效。4、在图像识别领域中,隐马尔可夫模型(Hidden Markov Model, HMM)有许多方面的应用,本文将其应用在掌纹识别领域,进行了初步的尝试,为新的掌纹识别技术的开发做了有益的探讨。5、根据上述实验完成开发了一个掌纹识别软件,并通过实验测试了其应用可行性,在实时性和精度上都达到一定的标准。(本文来源于《西安理工大学》期刊2009-03-01）
马凤君[3]（2006）在《基于奇异值分解的连续型隐马尔可夫模型的人像识别》一文中研究指出本文用奇异值分解(SVD)的方法提取人脸图像的特征,并与连续型隐式马尔可夫模型(HMM)相结合用来进行人脸图像的识别,用VISUAL C++ 6.0建立了人脸训练和识别系统。实验数据用的是ORL人像库中的图像,实验结果表明本文中使用的方法可以用来进行人像识别,并得到了令人满意的结果。(本文来源于《吉林大学》期刊2006-04-25）
孙秋成[4]（2006）在《一种基于奇异值分解和隐马尔可夫模型的虹膜识别方法》一文中研究指出本文采用一种二值化和高斯小波相结合的定位方法方法,将虹膜的内环、外环准确定位。并采用奇异值分解抽取虹膜图象特征作为观察序列,基于多观测值序列的离散隐马尔可夫模型算法进行虹膜图象的识别,用VISUAL C++ 6.0建立了虹膜训练和识别系统。实验数据用的是CASIA虹膜库中的图象,实验结果表明本文中使用的方法可以用来进行虹膜识别,并得到了令人满意的结果。(本文来源于《吉林大学》期刊2006-04-01）
张黎[5]（2005）在《基于奇异值分解和嵌入式隐马尔可夫模型的人脸识别技术》一文中研究指出人脸包含的视觉信息是区别人与人之间差别的最重要生物特征之一,以其直接性、唯一性、方便性等特点,越来越受到人们的关注。人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,也是近年来研究的热点问题。 在应用领域上,目前可能的识别任务主要可以归为两类:身份识别/辨认/匹配(Recognition/Identification/match)、身份验证/证实/监督(Verification/Authentification/Surveillance)。前者在应用上的典型实例就是公安刑侦追逃。第二种应用情形的典型实例是身份证件的鉴别、自动门禁控制系统、银行ATM取款机、家庭安全等领域。简单讲,一个是判断他或她是谁,一个是判别他或她是不是某个人。目前,这一领域的产品正在受到越来越多的关注。 近年来,人们提出了许多的人脸识别方法,它们大体上可以分为一下几大类:基于几何特征的人脸识别方法、模板匹配的人脸识别方法、基于统计模型的方法、基于神经网络的方法、弹性图匹配的方法、基于AdaBoost的人脸识别方法和基于隐马尔可夫模型(HMM)的人脸识别方法等。但由于人脸的可变塑性和在成像过程中多种因素的影响,目前已经取得的研究成果距离这一问题的彻底解决和实际应用还有相当大的距离。所以,本文主要做了如下几个方面的工作: 首先,本文采用了局部奇异值分解的方法进行人脸的特征提取。它是对奇异值分解算法的一种改进,即:将人脸图像进行人为的区域划分,然后对每个区域求其奇异值向量,然后由多个向量组成整体图像的奇异值向量序列。通过实验,我们总结出,人脸的特征主要包含在奇异值向量的前几位变化较大的非零分量中,所以,在实际应用中,我们只选取各个局部奇异值向量的前几位非零值,这样不仅保留了有用的信息,还(本文来源于《吉林大学》期刊2005-04-30）
刘小军,王东峰,张丽飞,时永刚,邹谋炎[6]（2003）在《一种基于奇异值分解和隐马尔可夫模型的人脸识别方法》一文中研究指出提出了一种新的基于隐马尔可夫模型的人脸识别方法 .这种方法采用奇异值分解抽取人脸图像特征作为观察序列 ,减少了数据的存储量和计算量 ,并提高了识别率 .实验结果同其它两种基于隐马尔可夫模型的方法进行了比较 .(本文来源于《计算机学报》期刊2003年03期）
李士进,杨静宇,陆建峰[7]（2001）在《基于奇异值特征和隐马尔可夫模型的人脸检测》一文中研究指出提出了基于奇异值特征和隐马尔可夫模型 (HMM)的人脸检测方法 .首先提出了基于奇异值特征和隐马尔可夫模型的正面端正人脸检测方法 ;然后将该算法扩展到检测任意旋转角度的人脸 .其中正面端正人脸检测算法是通过隐马尔可夫模型来识别人脸 /非人脸的奇异值特征 ,从而达到人脸检测的目的 ;扩展算法首先计算当前位置子图象窗口的奇异值特征向量 ,然后利用识别各个旋转角度人脸的 HMM模型对之进行分类 ,以得到该子图象窗口的旋转角度 ,再经过旋正 ,重新再与识别正面端正人脸的 HMM模型对比 ,由此确定该子图象窗口是否为人脸 .通过对一个由 5 1幅集体照片组成的图象集进行测试 ,其中 ,正面端正人脸检测率为 85 .1% ,而任意旋转角度的人脸检测率只有 72 .2 %(本文来源于《中国图象图形学报》期刊2001年07期）
李士进,杨静宇,金忠[8]（2000）在《基于离散隐马尔可夫模型和奇异值特征的人脸检测》一文中研究指出该文提出了基于离散隐马尔可夫模型 (HMM )和奇异值特征的人脸检测方法。这一算法包含 2部分工作。首先 ,提出了基于离散隐马尔可夫模型和奇异值特征的正面端正人脸检测方法 ;然后将该算法扩展到检测任意旋转角度的人脸。扩展算法首先计算当前位置子图像窗口的奇异值特征 ,将该特征向量经过识别各个旋转角度人脸的HMM模型 ,得到该子图像窗口的旋转角度 ,再经过旋正 ,重新送到识别正面端正人脸的HMM模型 ,由此确定该子图像窗口是否为人脸。对一个由 43幅集体照片组成的正面人脸图像集进行测试 ,共检测到 484人中的 42 5人 ,检测率为 87.8% ;而多角度旋转人脸图像检测率为 75 .1%。实验结果表明 ,该方法具有良好的检测性能(本文来源于《南京理工大学学报》期刊2000年05期）
奇异值隐马尔可夫模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
掌纹作为一种重要的生物特征,具有特征唯一、采样简单、易接受和信息量大等优点,掌纹识别技术目前尚未成熟,具有很高的研究价值。本文设计实现了基于奇异值分解和隐马尔可夫模型的掌纹识别系统,先后在预处理部分、特征提取部分和匹配识别部分都提出了新的解决方法,并首次尝试了新的隐马尔可夫模型识别方法。该算法基于概率统计学,区别于传统识别方法,目前在人脸识别领域中仍属于前沿技术,在掌纹识别领域中还处于空白。本文主要采用香港理工大学(Hong Kong Polytechnic University, PolyU)标准掌纹库图像验证了算法的有效性,最终完成了软件识别系统的开发。主要研究内容如下：1、本文针对香港理工大学标准掌纹库,根据采集手掌所特有的规则性和稳定性,排除复杂、实现困难的方法,实现了兼具简单、快速、精确和高效的掌纹图像感兴趣区域(Region of Interest, ROI)提取算法。2、在指静脉重复线形跟踪二值化算法的基础上,本文引出了一种新的线特征增强技术。该技术一方面不受图像局部或整体光照不均影响,另一方面,能够根据特征自身强度不同,实时的进行不同程度的增强。该技术不仅适用于掌纹,也适用于其他的生物线特征增强,对图像处理技术具有普遍的应用研究价值。3、在掌纹特征提取这部分,本文借鉴人脸识别领域的研究成果,对掌纹提出了一种新的基于局部奇异值分解的特征提取方法,该方法在相同实验平台上与较为成熟的小波识别方法相比,显得更加简单高效。4、在图像识别领域中,隐马尔可夫模型(Hidden Markov Model, HMM)有许多方面的应用,本文将其应用在掌纹识别领域,进行了初步的尝试,为新的掌纹识别技术的开发做了有益的探讨。5、根据上述实验完成开发了一个掌纹识别软件,并通过实验测试了其应用可行性,在实时性和精度上都达到一定的标准。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
奇异值隐马尔可夫模型论文参考文献
[1].罗菁,林树忠,詹湘琳,倪建云.奇异点和隐马尔可夫模型融合的指纹分类[J].光学精密工程.2009
[2].顾芳.基于奇异值分解和隐马尔可夫模型的掌纹识别技术研究[D].西安理工大学.2009
[3].马凤君.基于奇异值分解的连续型隐马尔可夫模型的人像识别[D].吉林大学.2006
[4].孙秋成.一种基于奇异值分解和隐马尔可夫模型的虹膜识别方法[D].吉林大学.2006
[5].张黎.基于奇异值分解和嵌入式隐马尔可夫模型的人脸识别技术[D].吉林大学.2005
[6].刘小军,王东峰,张丽飞,时永刚,邹谋炎.一种基于奇异值分解和隐马尔可夫模型的人脸识别方法[J].计算机学报.2003
[7].李士进,杨静宇,陆建峰.基于奇异值特征和隐马尔可夫模型的人脸检测[J].中国图象图形学报.2001
[8].李士进,杨静宇,金忠.基于离散隐马尔可夫模型和奇异值特征的人脸检测[J].南京理工大学学报.2000
论文知识图
