| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 绪论 | 第9-18页 |
| ·课题来源 | 第9页 |
| ·人耳识别研究的背景与意义 | 第9-10页 |
| ·人耳识别的可行性 | 第10-12页 |
| ·人耳识别研究的国内外发展现状 | 第12-14页 |
| ·人耳识别研究的难点 | 第14-15页 |
| ·本文的研究内容与结构安排 | 第15-18页 |
| 2 人耳图像的预处理 | 第18-26页 |
| ·人耳图像库的选择 | 第18-19页 |
| ·人耳图像的灰度转换 | 第19-21页 |
| ·人耳图像的滤波处理 | 第21-22页 |
| ·人耳图像的裁剪与尺度归一化 | 第22-24页 |
| ·人耳图像的灰度直方图均衡化 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于 SIFT 特征点的人耳识别的研究 | 第26-36页 |
| ·尺度不变特征变换理论 | 第26-27页 |
| ·基于 SIFT 特征的人耳识别的步骤 | 第27-33页 |
| ·尺度空间建立 | 第28-29页 |
| ·检测极值点 | 第29-30页 |
| ·关键点的精确定位 | 第30-31页 |
| ·确定特征点的方向 | 第31-32页 |
| ·生成特征点描述子 | 第32页 |
| ·特征点匹配方法 | 第32-33页 |
| ·双向匹配 | 第33页 |
| ·实验结果与分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于 Gabor 小波和 ASIFT 特征点的人耳识别 | 第36-48页 |
| ·Gabor 小波简介 | 第36-37页 |
| ·仿射尺度不变特征变换理论 | 第37-41页 |
| ·SIFT 对仿射变换的稳定性 | 第37-38页 |
| ·仿射变换模拟 | 第38-39页 |
| ·算法概述 | 第39页 |
| ·水平和垂直采样 | 第39-40页 |
| ·采样范围 | 第40页 |
| ·采样步骤 | 第40-41页 |
| ·基于 Gabor 小波和 ASIFT 特征点的人耳识别的算法实现 | 第41-47页 |
| ·图像降采样 | 第42-43页 |
| ·生成 Gabor 特征 | 第43-44页 |
| ·利用 Gabor 特征进行识别 | 第44-45页 |
| ·仿射图像坐标反变换 | 第45页 |
| ·进行 SIFT 识别 | 第45-47页 |
| ·实验结果与分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 5 Harris-SIFT 算法在人耳识别中的应用 | 第48-56页 |
| ·Harris 角点检测 | 第48页 |
| ·Harris-SIFT 算法的原理 | 第48-49页 |
| ·Harris-SIFT 算法进行人耳识别的步骤 | 第49-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·与其他算法比较 | 第52-53页 |
| ·对人耳识别角度问题的研究 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62-63页 |
