| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-27页 |
| ·生物特征识别技术 | 第12-15页 |
| ·指纹识别技术 | 第15-22页 |
| ·指纹识别系统的结构 | 第16-17页 |
| ·自动指纹识别研究内容 | 第17-20页 |
| ·指纹采集 | 第18-19页 |
| ·指纹预处理 | 第19-20页 |
| ·指纹细节特征定义和提取 | 第20页 |
| ·指纹匹配 | 第20页 |
| ·自动指纹识别的应用 | 第20-21页 |
| ·当前自动指纹识别技术存在的问题 | 第21-22页 |
| ·指纹图像质量分类方法综述 | 第22-25页 |
| ·图像质量分类的有关概念 | 第22页 |
| ·指纹图像质量分类方法 | 第22-25页 |
| ·基于分块图像的质量测量与评价 | 第23-24页 |
| ·基于整幅图像的质量测量与评价 | 第24-25页 |
| ·多指标质量评价 | 第25页 |
| ·课题的选择 | 第25-26页 |
| ·本论文的组织和创新之处 | 第26-27页 |
| 第二章 基于支持向量机的指纹图像分类方法 | 第27-37页 |
| ·质量评价指标及问题分析 | 第27-33页 |
| ·质量评价指标及分析 | 第27-33页 |
| ·梯度 | 第27-29页 |
| ·Gabor特征 | 第29-31页 |
| ·方向对比度 | 第31-32页 |
| ·指标分析 | 第32-33页 |
| ·其他问题分析 | 第33页 |
| ·支持向量机理论 | 第33-35页 |
| ·实验结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 改进的基于支持向量机的指纹图像质量分类方法 | 第37-43页 |
| ·类别不平衡问题 | 第37页 |
| ·常用算法 | 第37-39页 |
| ·抽样(Sampling) | 第37-39页 |
| ·代价敏感学习法(cost-sensitivelearning) | 第39页 |
| ·SMOTE算法 | 第39-40页 |
| ·算法思想 | 第40-41页 |
| ·实验结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于方向场信息的指纹图像质量分类方法 | 第43-50页 |
| ·方向场信息的提取 | 第43页 |
| ·算法思想 | 第43-45页 |
| ·算法步骤 | 第45-46页 |
| ·实验结果 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结和探讨 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 攻读学位期间参加的工作 | 第59-60页 |
| 学位论文评阅及答辩情况表 | 第60页 |