| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 绪论 | 第9-14页 |
| ·课题来源 | 第9页 |
| ·课题背景 | 第9-10页 |
| ·生物识别概述 | 第10页 |
| ·人耳识别的国内外研究现状 | 第10-12页 |
| ·人耳识别研究的难点 | 第12-13页 |
| ·本文的研究内容与章节安排 | 第13-14页 |
| 2. 人耳识别简介 | 第14-23页 |
| ·人耳的结构 | 第14页 |
| ·人耳识别的可行性 | 第14-15页 |
| ·人耳识别系统简介 | 第15页 |
| ·人耳图像的预处理 | 第15-21页 |
| ·人耳图像的灰度化处理 | 第15-17页 |
| ·人耳图像的频域滤波 | 第17-18页 |
| ·人耳灰度图像的直方图修正 | 第18-19页 |
| ·人耳图像的尺寸归一化 | 第19-21页 |
| ·人耳特征选择与提取 | 第21页 |
| ·人耳特征选择 | 第21页 |
| ·人耳特征提取 | 第21页 |
| ·本章小结 | 第21-23页 |
| 3. 基于加权小波变换和 DCT 的人耳识别 | 第23-35页 |
| ·小波变换 | 第23-26页 |
| ·连续小波变换 | 第24页 |
| ·离散小波变换 | 第24-25页 |
| ·Haar 小波函数 | 第25-26页 |
| ·离散余弦变换 | 第26-27页 |
| ·一维离散余弦变换 | 第26页 |
| ·二维离散余弦变换 | 第26-27页 |
| ·加权小波和分块 DCT 相结合的人耳识别算法 | 第27-29页 |
| ·实验过程和结果分析 | 第29-34页 |
| ·人耳图像库介绍 | 第29-30页 |
| ·实验过程 | 第30-31页 |
| ·实验结果和分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4. 基于 EPSO-BP 分类器的人耳识别 | 第35-46页 |
| ·基本的 PSO 算法 | 第35-37页 |
| ·改进 PSO 算法 | 第37-38页 |
| ·BP 神经网络学习算法 | 第38-41页 |
| ·EPSO-BP 算法 | 第41-42页 |
| ·实验过程和结果分析 | 第42-45页 |
| ·人耳图像库介绍 | 第42-43页 |
| ·实验过程 | 第43页 |
| ·实验结果和分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5. 基于 Gabor 变换和分块 LBP 的人耳识别 | 第46-55页 |
| ·Gabor 变换简介 | 第46-50页 |
| ·Gabor 特征降维处理 | 第47-48页 |
| ·生成 Gabor 特征 | 第48-49页 |
| ·利用 Gabor 特征进行人耳识别 | 第49-50页 |
| ·分块 LBP 运算 | 第50-51页 |
| ·实验过程和结果分析 | 第51-54页 |
| ·人耳图像库介绍 | 第51-52页 |
| ·实验过程 | 第52页 |
| ·实验结果和分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6. 总结与展望 | 第55-57页 |
| ·本文总结 | 第55-56页 |
| ·研究工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61-62页 |