基于拉普拉斯特征映射的人耳识别算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-15页 |
| ·研究背景 | 第7-8页 |
| ·人耳识别研究现状 | 第8-13页 |
| ·几何特征方法 | 第8-10页 |
| ·空间学习方法 | 第10-11页 |
| ·其他方法 | 第11-13页 |
| ·本文主要研究内容 | 第13-15页 |
| 2 人耳图像预处理 | 第15-25页 |
| ·人耳图像的去噪 | 第15-17页 |
| ·中值滤波 | 第15页 |
| ·直方图均衡 | 第15-16页 |
| ·灰度拉伸 | 第16-17页 |
| ·人耳图像的裁切 | 第17-20页 |
| ·人耳图像的分割 | 第17-18页 |
| ·人耳图像的定位裁切 | 第18-20页 |
| ·人耳图像的归一化 | 第20-22页 |
| ·人耳图像的尺度归一化 | 第20-21页 |
| ·人耳图像的灰度归一化 | 第21-22页 |
| ·对比度受限制的自适应直方图均衡(CLAHE) | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 拉普拉斯特征映射基本原理 | 第25-33页 |
| ·引言 | 第25页 |
| ·主成分分析方法(PCA) | 第25-28页 |
| ·PCA的基本原理 | 第26-27页 |
| ·PCA算法流程 | 第27-28页 |
| ·局部保留投影(LPP) | 第28页 |
| ·拉普拉斯特征映射 | 第28-33页 |
| ·算法实现 | 第29-30页 |
| ·数学描述 | 第30-33页 |
| 4 基于拉普拉斯特征映射的人耳识别方法研究 | 第33-39页 |
| ·基于整幅图像的拉普拉斯特征映射的人耳识别方法 | 第33页 |
| ·分块与拉普拉斯特征映射结合的人耳识别方法 | 第33-36页 |
| ·子窗口定位 | 第34页 |
| ·选择最优子窗口 | 第34-35页 |
| ·特征提取 | 第35-36页 |
| ·实验结果分析 | 第36-39页 |
| 5 实验系统介绍 | 第39-43页 |
| ·人耳图像库介绍 | 第39-40页 |
| ·系统开发平台介绍 | 第40页 |
| ·系统实现功能介绍 | 第40-43页 |
| 6 结论与展望 | 第43-45页 |
| ·工作总结 | 第43页 |
| ·存在的问题及改进的设想 | 第43-45页 |
| 致谢 | 第45-47页 |
| 参考文献 | 第47-49页 |
