指纹算法的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·指纹识别技术的研究背景 | 第9-12页 |
| ·指纹识别技术的研究现状 | 第12-19页 |
| ·指纹图像的获取 | 第12-14页 |
| ·指纹图像的质量评估 | 第14-15页 |
| ·指纹图像的分类 | 第15页 |
| ·指纹图像的分割 | 第15-16页 |
| ·指纹图像的增强 | 第16-17页 |
| ·指纹图像的二值化和细化 | 第17-18页 |
| ·指纹图像的特征提取和匹配 | 第18页 |
| ·指纹识别系统的性能评估和总结 | 第18-19页 |
| ·本文研究内容和结构安排 | 第19-21页 |
| 第二章 指纹图像的质量评估 | 第21-33页 |
| ·指纹图像质量评估的背景 | 第21-22页 |
| ·基于方向性和细节点的质量评估方法 | 第22-26页 |
| ·粗评估过程 | 第22-23页 |
| ·细评估过程 | 第23-25页 |
| ·测试结果分析 | 第25-26页 |
| ·基于特征融合的质量评估方法 | 第26-32页 |
| ·指纹中心区域黑像素比例 | 第27-28页 |
| ·指纹的能量谱 | 第28-30页 |
| ·试验测试和结果分析 | 第30-32页 |
| ·本章总结 | 第32-33页 |
| 第三章 指纹图像的分类算法研究 | 第33-47页 |
| ·指纹图像分类的背景 | 第33-34页 |
| ·指纹方向场的计算 | 第34-39页 |
| ·掩模法 | 第34-36页 |
| ·结构张量法 | 第36-39页 |
| ·遗传程序设计(GP)分类算法 | 第39-40页 |
| ·BP神经网络分类器 | 第40-41页 |
| ·支撑向量机(SVM)分类器 | 第41-43页 |
| ·多分类器使用测试结果分析 | 第43-46页 |
| ·本章总结 | 第46-47页 |
| 第四章 指纹图像的分割算法研究 | 第47-54页 |
| ·基于细胞神经网络和形态学的分割方法 | 第47-53页 |
| ·数字图像中的细胞神经网络模型 | 第48-49页 |
| ·基于细胞神经网络的指纹图像分割 | 第49-51页 |
| ·对细胞神经网络分割结果的形态学分割 | 第51-53页 |
| ·数学形态学 | 第51页 |
| ·对分割后的结果进行形态学分割 | 第51-53页 |
| ·本章总结 | 第53-54页 |
| 第五章 指纹图像的增强算法研究 | 第54-65页 |
| ·Gabor小波滤波增强法 | 第54-58页 |
| ·二维Gabor滤波器 | 第54-55页 |
| ·基于小波域的Gabor滤波增强 | 第55-58页 |
| ·小波变换 | 第55-56页 |
| ·Gabor小波增强 | 第56-58页 |
| ·基于第二代Curvelet变换增强算法 | 第58-62页 |
| ·Curvelet变换 | 第58-59页 |
| ·粗尺度滤波器 | 第59-61页 |
| ·细尺度软阈值去噪 | 第61-62页 |
| ·三种不同增强算法的效果比较 | 第62-64页 |
| ·本章总结 | 第64-65页 |
| 第六章 结束语 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 硕士研究生期间取得的研究成果 | 第71页 |
