基于Gabor和ILDA的人耳识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·人耳识别的研究背景和意义 | 第9-10页 |
| ·人耳识别简介 | 第10-11页 |
| ·人耳结构介绍 | 第10-11页 |
| ·人耳识别系统介绍 | 第11页 |
| ·人耳识别技术研究现状 | 第11-15页 |
| ·人耳识别国外研究现状 | 第11-14页 |
| ·人耳识别国内研究现状 | 第14-15页 |
| ·人耳识别的难点 | 第15-17页 |
| ·论文的研究内容和章节安排 | 第17-18页 |
| 第二章 人耳图像数据库和预处理 | 第18-25页 |
| ·人耳图像库简介 | 第18-20页 |
| ·人耳图像滤波 | 第20-21页 |
| ·人耳图像归一化处理 | 第21-23页 |
| ·人耳图像尺度归一化 | 第21页 |
| ·人耳图像光照归一化 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于Gabor小波的人耳特征提取 | 第25-33页 |
| ·Gabor小波函数的起源和特点 | 第25-26页 |
| ·二维Gabor小波函数 | 第26-28页 |
| ·二维Gabor滤波器组 | 第28页 |
| ·基于局部二维Gabor滤波器组的人耳特征提取 | 第28-31页 |
| ·实验结果 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 LDA算法在人耳识别中的应用 | 第33-40页 |
| ·基于PCA的人耳识别 | 第33-34页 |
| ·基于LDA的人耳识别 | 第34-36页 |
| ·LDA小样本问题及解决方法 | 第36-37页 |
| ·实验结果 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于Gabor和ILDA的人耳识别算法 | 第40-53页 |
| ·新的Fisher准则 | 第40-41页 |
| ·类内分散度矩阵重新定义 | 第41-43页 |
| ·凸包算法 | 第41-42页 |
| ·定义类内分散度矩阵 | 第42-43页 |
| ·求解最优投影方向 | 第43-44页 |
| ·基于Gabor和ILDA的人耳识别 | 第44-46页 |
| ·分类器设计 | 第46-49页 |
| ·最小距离分类 | 第46-47页 |
| ·最近邻分类器 | 第47-49页 |
| ·实验结果 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间的研究成果 | 第59-60页 |
