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信息中可提取丰富的个性特征,如轮廓面积序列、牙型弧度等。U-net网络模型可应用于只有少量训练样本的图像分割任务,本文改进了U-net神经网络模型并将其应用在牙模图像的轮廓分割。实验结果表明经改善的U-net模型分割出牙模图像的牙印轮廓明显优于未改善的U-net模型。3)牙模图像的特征提取以及识别方案特征的提取不一定通过轮廓信息获取,本文提出了一种针对完整牙模图像的特征提取算法。该算法在SIFT之上计算和分析牙模图像相似度占比特征,并用多种机器学习分类器对特征样本进行训练和测试。实验表明,本文提出的特征提取方案所得到的特征具有较强的个性,能很好的区分不同的个体。本文的识别方案也获得了较高的识别准确率,其验证准确率为91.60%,测试准确率为90.83%,且在应用模型时的平均识别正确率有93%,最好情况为100%。本文基于两种牙齿图像进行了身份识别技术的研究,并在牙齿X光片图像轮廓分割和基于牙模图像特征的身份识别上取得了较好的研究成果。在未来的研究中,本文将考虑融合图像纹理等特征信息,进一步开展基于牙齿图像的身份识别技术研究。