基于力场转换理论的人耳识别算法
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-27页 |
| ·课题研究背景 | 第11-21页 |
| ·生物特征识别技术 | 第11-17页 |
| ·人耳识别技术特点 | 第17-19页 |
| ·人耳识别的可行性 | 第19-21页 |
| ·人耳识别技术研究现状 | 第21-26页 |
| ·国外研究现状 | 第21-25页 |
| ·国内研究现状 | 第25-26页 |
| ·本文工作 | 第26-27页 |
| 第二章 人耳识别系统设计 | 第27-33页 |
| ·人耳识别系统设计概要 | 第27-30页 |
| ·系统的结构与流程 | 第28-29页 |
| ·图像采集 | 第29-30页 |
| ·系统开发与测试环境 | 第30-31页 |
| ·识别结果评价标准 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 人耳图像的预处理 | 第33-41页 |
| ·人耳图像的尺度归一化 | 第34页 |
| ·人耳图像的滤波处理 | 第34-36页 |
| ·人耳图像的灰度归一化 | 第36-39页 |
| ·对比度调整 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 人耳图像的边缘检测 | 第41-55页 |
| ·边缘检测的基本方法 | 第41-42页 |
| ·几种经典的边缘检测算子 | 第42-52页 |
| ·差分边缘检测 | 第42-43页 |
| ·Roberts算子 | 第43页 |
| ·Sobel算子 | 第43-44页 |
| ·Prewitt算子 | 第44-46页 |
| ·Laplacian算子 | 第46-48页 |
| ·LOG算法 | 第48-50页 |
| ·Canny算法 | 第50-52页 |
| ·基于轮廓跟踪的边缘检测 | 第52-53页 |
| ·原理与算法 | 第52-53页 |
| ·耳廓上的边缘检测 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第五章 人耳图像的特征提取与识别 | 第55-70页 |
| ·力场转换理论 | 第55-58页 |
| ·力场转换的基本原理 | 第56-57页 |
| ·基于力场转换的人耳识别特点 | 第57-58页 |
| ·力场转换理论应用于人耳识别 | 第58-63页 |
| ·模拟力场转换过程 | 第58页 |
| ·场线 势能通道 势能阱 | 第58-61页 |
| ·验证特征的唯一性 | 第61页 |
| ·验证满足RST要求 | 第61-63页 |
| ·人耳图像力场转换的优化 | 第63-64页 |
| ·实验过程与分析 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 分类识别 | 第70-80页 |
| ·模糊聚类在模式识别中的应用 | 第70页 |
| ·C-均值聚类算法 | 第70-71页 |
| ·模糊C-均值算法 | 第71-72页 |
| ·改进模糊C-均值算法 | 第72-74页 |
| ·实验设计及结果分析 | 第74-80页 |
| ·实验设计 | 第74页 |
| ·实验结果及分析 | 第74-80页 |
| 第七章 总结与展望 | 第80-82页 |
| ·总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 在学研究成果 | 第85-86页 |
| 致谢 | 第86页 |
