| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 若干指纹图像处理技术的发展现状 | 第10-14页 |
| 1.2.1 指纹方向场建立方法 | 第10-12页 |
| 1.2.2 常用指纹图像增强方法 | 第12-13页 |
| 1.2.3 传统指纹奇异点检测算法 | 第13-14页 |
| 1.3 课题来源 | 第14页 |
| 1.4 论文的主要贡献 | 第14页 |
| 1.5 论文内容组织 | 第14-16页 |
| 第二章 多尺度复合窗的指纹方向场建立及其分级平滑 | 第16-32页 |
| 2.1 指纹方向场的基本概念 | 第16-17页 |
| 2.2 梯度法 | 第17-18页 |
| 2.3 复合窗 | 第18-20页 |
| 2.4 多尺度复合窗的指纹方向场建立 | 第20-21页 |
| 2.5 方向场分级平滑 | 第21-24页 |
| 2.6 实验结果分析 | 第24-31页 |
| 2.6.1 多尺度复合窗的方向场建立结果 | 第25-27页 |
| 2.6.2 方向场分级平滑结果 | 第27-30页 |
| 2.6.3 结合多尺度和分级平滑的方向场求取 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 自适应曲率驱动STFT指纹图像增强 | 第32-49页 |
| 3.1 传统基于STFT分析的指纹图像增强 | 第32-34页 |
| 3.2 传统STFT分析指纹图像增强存在的问题 | 第34-38页 |
| 3.3 自适应曲率驱动STFT指纹图像增强 | 第38-44页 |
| 3.3.1 基于有效区域的STFT分析 | 第38-41页 |
| 3.3.2 滤波器的设计 | 第41-43页 |
| 3.3.3 算法描述 | 第43-44页 |
| 3.4 实验结果分析 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于信息融合的多尺度奇异点检测 | 第49-62页 |
| 4.1 基于Poincare index的奇异点检测 | 第49-50页 |
| 4.2 基于复数滤波器的奇异点检测 | 第50-53页 |
| 4.3 基于信息融合的多尺度奇异点检测 | 第53-56页 |
| 4.3.1 方向场块大小的选择 | 第54页 |
| 4.3.2 高斯平滑尺度的选择 | 第54-55页 |
| 4.3.3 极值检测范围和PI值计算范围的选择 | 第55-56页 |
| 4.4 实验结果分析 | 第56-61页 |
| 4.5 本章小节 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 硕士学位期间完成的科研成果 | 第68-69页 |
| 致谢 | 第69页 |