| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 主要符号对照表 | 第11-13页 |
| 第一章 绪论 | 第13-41页 |
| ·研究背景与项目支持 | 第13页 |
| ·模式识别与生物特征识别 | 第13-15页 |
| ·自动指纹识别技术 | 第15-28页 |
| ·指纹识别技术的发展历史 | 第16-17页 |
| ·指纹识别的原理和基本概念 | 第17-19页 |
| ·自动指纹识别系统构成 | 第19-22页 |
| ·常用的指纹数据库及性能评价 | 第22-26页 |
| ·研究机构与应用现状 | 第26-27页 |
| ·指纹识别研究的困难和意义 | 第27-28页 |
| ·自动人脸识别技术 | 第28-37页 |
| ·人脸识别中的基本问题 | 第29页 |
| ·已有的人脸识别方法 | 第29-33页 |
| ·常用的人脸数据库 | 第33-35页 |
| ·研究机构与应用现状 | 第35-36页 |
| ·人脸识别研究的难点和意义 | 第36-37页 |
| ·自动头影测量分析 | 第37-39页 |
| ·本文研究重点和创新点 | 第39-40页 |
| ·论文结构安排 | 第40-41页 |
| 第二章 指纹图像特征点提取及指纹匹配的研究 | 第41-73页 |
| ·已有算法回顾 | 第41-50页 |
| ·基于细节特征的匹配算法 | 第41-44页 |
| ·基于“非细节”特征的匹配算法 | 第44-46页 |
| ·细节特征和“非细节”特征相结合的匹配算法 | 第46-50页 |
| ·基于奇异点(Singular Point)的粗匹配 | 第50-58页 |
| ·方向信息估计 | 第51-52页 |
| ·基于Poincare值的奇异点检测 | 第52-54页 |
| ·基于奇异点的灰度指纹图像粗匹配 | 第54-56页 |
| ·实验分析 | 第56-58页 |
| ·基于QNMV的指纹匹配算法的研究 | 第58-66页 |
| ·QNMV（Quad-Neighborhood-Minutiae-Vector）的定义 | 第59-61页 |
| ·基于QNMV结构向量的匹配参考点检测 | 第61-63页 |
| ·基于多参考点对的配准参数估计 | 第63-64页 |
| ·基于特征结构向量相似度的细节特征点配对 | 第64-65页 |
| ·匹配分数计算 | 第65-66页 |
| ·实验结果 | 第66-71页 |
| ·本章小结 | 第71-73页 |
| 第三章 人脸图像特征点定位问题的研究 | 第73-111页 |
| ·面部特征点定位方法 | 第73-77页 |
| ·眼睛定位算法 | 第77-89页 |
| ·已有的眼睛检测算法 | 第78-80页 |
| ·本文提出的眼睛定位算法 | 第80-89页 |
| ·基于改进ASM的面部特征点定位 | 第89-109页 |
| ·主动形状模型 | 第89-99页 |
| ·改进的ASM面部特征点定位算法 | 第99-103页 |
| ·实验结果 | 第103-109页 |
| ·本章小结 | 第109-111页 |
| 第四章 自动X线头影图像测量中标志点定位问题的研究 | 第111-133页 |
| ·头影测量分析技术 | 第111-115页 |
| ·头影测量学的产生与发展 | 第113-114页 |
| ·自动头影测量技术的可行性研究 | 第114-115页 |
| ·已有的头影标志点定位算法 | 第115-119页 |
| ·基于边缘跟踪的头影标志点定位方法 | 第119-124页 |
| ·图像预处理 | 第119-120页 |
| ·小波多尺度分解 | 第120页 |
| ·Canny滤波器 | 第120页 |
| ·基于知识的边缘跟踪 | 第120-121页 |
| ·标志点识别 | 第121-124页 |
| ·基于ASM的标志点定位 | 第124-125页 |
| ·实验结果 | 第125-131页 |
| ·本章小结 | 第131-133页 |
| 第五章 结论与展望 | 第133-135页 |
| ·全文工作总结 | 第133-134页 |
| ·展望 | 第134-135页 |
| 参考文献 | 第135-149页 |
| 致谢 | 第149-151页 |
| 攻读博士学位期间发表的论文 | 第151页 |
