| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·人耳识别技术背景 | 第8-13页 |
| ·生物特征识别技术介绍 | 第8-9页 |
| ·人耳识别可行性依据 | 第9页 |
| ·人耳识别技术研究现状 | 第9-13页 |
| ·SOPC 技术发展历程 | 第13-14页 |
| ·SOPC 技术简介 | 第13-14页 |
| ·生物特征识别领域的嵌入式发展趋势 | 第14页 |
| ·论文的主要研究内容及创新 | 第14页 |
| ·本文的结构安排 | 第14-16页 |
| 2 人耳图像的采集及预处理 | 第16-22页 |
| ·人耳图像库的建立 | 第16-18页 |
| ·人耳图像的预处理 | 第18-21页 |
| ·中值滤波处理 | 第18-20页 |
| ·直方图均衡化处理 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 人耳图像特征提取及分类识别 | 第22-40页 |
| ·人耳图像特征提取方法概述 | 第22-27页 |
| ·不变矩方法 | 第22-23页 |
| ·ICA 方法 | 第23-24页 |
| ·LBP 方法 | 第24-26页 |
| ·PCA 方法 | 第26-27页 |
| ·基于2DPCA 算法的特征提取 | 第27-29页 |
| ·2DPCA 算法简介 | 第27-28页 |
| ·改进的2DPCA 算法 | 第28-29页 |
| ·BP 神经网络 | 第29-32页 |
| ·人工神经网络介绍 | 第29-32页 |
| ·BP 神经网络构造 | 第32页 |
| ·基于MATLAB 的仿真实验 | 第32-38页 |
| ·实验对象 | 第32-33页 |
| ·改进效果及分类结果分析 | 第33-38页 |
| ·本章小结 | 第38-40页 |
| 4 SOPC 片上可编程系统 | 第40-46页 |
| ·SOPC 系统概述 | 第40-41页 |
| ·Cyclone 系列简介 | 第41页 |
| ·NiosII 软核处理器概述 | 第41-44页 |
| ·NiosII 软核简介 | 第41-43页 |
| ·NiosII 软核开发环境及开发流程 | 第43-44页 |
| ·Avalon 总线 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 NiosII 系统的构建及uClinux 移植 | 第46-66页 |
| ·开发硬件平台 | 第46-47页 |
| ·NiosII 软核构建 | 第47-57页 |
| ·NiosII CPU 及其IP 核接口 | 第47-54页 |
| ·原理框图设计 | 第54-57页 |
| ·uClinux 系统移植 | 第57-65页 |
| ·标准Linux 系统概述 | 第57-59页 |
| ·uClinux 与标准Linux 差异 | 第59页 |
| ·uClinux 移植概述 | 第59-60页 |
| ·Bootloader 程序的实现 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
| A. 攻读硕士期间发表的论文目录 | 第74页 |
| B. 攻读硕士期间取得的科研成果目录 | 第74页 |