| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-25页 |
| ·研究背景 | 第10-12页 |
| ·研究现状 | 第12-22页 |
| ·指纹图像的基本特征 | 第12-14页 |
| ·指纹图像的评估和分割 | 第14-16页 |
| ·指纹图像的增强 | 第16-18页 |
| ·指纹图像的特征提取 | 第18-19页 |
| ·指纹图像的匹配 | 第19-20页 |
| ·指纹图像的分类与索引 | 第20-21页 |
| ·指纹识别系统的性能评估 | 第21-22页 |
| ·研究现状总结 | 第22页 |
| ·研究内容和结构安排 | 第22-25页 |
| ·研究内容 | 第22-24页 |
| ·本文结构安排 | 第24-25页 |
| 第二章 指纹方向场的算法研究 | 第25-34页 |
| ·掩模法 | 第25-26页 |
| ·结构张量法 | 第26-29页 |
| ·傅里叶变换法 | 第29-31页 |
| ·傅里叶展开法 | 第31-33页 |
| ·本章总结 | 第33-34页 |
| 第三章 指纹图像的分割算法研究 | 第34-44页 |
| ·基于梯度投影和形态学的方法 | 第34-38页 |
| ·基于梯度投影的指纹图像的粗分割 | 第35-36页 |
| ·基于梯度方向一致性的判别 | 第36页 |
| ·指纹图像边缘提取和形态学操作 | 第36-37页 |
| ·试验测试和结果分析 | 第37-38页 |
| ·基于脉冲耦合神经网络（PCNN）和形态学的分割方法 | 第38-43页 |
| ·数字图像中的PCNN 模型 | 第38-40页 |
| ·基于PCNN 模型的指纹图像的分割 | 第40页 |
| ·对PCNN 分割结果的形态学操作 | 第40-41页 |
| ·试验测试和结果分析 | 第41-43页 |
| ·本章总结 | 第43-44页 |
| 第四章 指纹图像的增强算法研究 | 第44-54页 |
| ·Gabor 滤波增强 | 第44-46页 |
| ·非线性扩散滤波法 | 第46-49页 |
| ·非线性扩散模型及其分析 | 第46-48页 |
| ·托马斯消元法 | 第48-49页 |
| ·非线性扩散滤波的计算步骤 | 第49页 |
| ·基于一维滤波的多层次增强算法 | 第49-51页 |
| ·不同增强算法的增强效果比较 | 第51-52页 |
| ·指纹增强算法的评估 | 第52-53页 |
| ·本章总结 | 第53-54页 |
| 第五章 指纹图像的匹配算法研究 | 第54-66页 |
| ·指纹图像预处理 | 第56页 |
| ·指纹局部结构特征的表示以及配准参考点的选取 | 第56-60页 |
| ·指纹点模式的特征表示及梯度方向角直方图的计算 | 第56-58页 |
| ·指纹线模式的特征 | 第58-59页 |
| ·指纹图像配准的参考细节点对的选取 | 第59-60页 |
| ·指纹图像的全局配准和匹配分数的计算 | 第60-62页 |
| ·实验结果以及分析 | 第62-65页 |
| ·采用梯度矢量方向角直方图作为细节点特征的优势 | 第62-64页 |
| ·本算法在FVC2004 指纹库中的测试结果 | 第64-65页 |
| ·本章总结 | 第65-66页 |
| 第六章 指纹图像的分类算法研究 | 第66-79页 |
| ·指纹图像分类背景 | 第66-67页 |
| ·指纹分类的算法回顾 | 第67-68页 |
| ·BP 神经网络分类器 | 第68-69页 |
| ·SVM 分类器 | 第69-70页 |
| ·指纹分类特征的提取 | 第70-74页 |
| ·指纹方向场的计算 | 第70-71页 |
| ·指纹奇异点的检测(Poincare Indexing) | 第71-72页 |
| ·指纹奇异点的检测(Maximum Curvature) | 第72-73页 |
| ·提取指纹方向角直方图特征 | 第73-74页 |
| ·综合奇异点与方向场的指纹分类 | 第74-76页 |
| ·实验测试与结果分析 | 第76-78页 |
| ·本章总结 | 第78-79页 |
| 第七章 结束语 | 第79-82页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 攻硕期间取得的研究成果 | 第89-90页 |
