| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·计算机视觉技术 | 第10-11页 |
| ·计算机视觉的主要研究内容 | 第10-11页 |
| ·以人为中心的计算机视觉应用 | 第11页 |
| ·生物特征识别技术 | 第11-12页 |
| ·人耳识别技术课题背景 | 第12-15页 |
| ·人耳识别技术特点 | 第12-13页 |
| ·人耳识别研究可行性分析 | 第13-15页 |
| ·人耳识别的优势和不足 | 第15页 |
| ·人耳识别研究现状 | 第15-17页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17页 |
| ·本文主要工作及章节安排 | 第17-19页 |
| 第二章 人耳图像预处理 | 第19-26页 |
| ·人耳图像库 | 第19-20页 |
| ·人耳图像分割 | 第20-21页 |
| ·人耳图像滤波 | 第21-22页 |
| ·人耳图像归一化 | 第22-25页 |
| ·几何归一化 | 第22-23页 |
| ·光照归一化 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 人耳图像边缘检测 | 第26-33页 |
| ·几种边缘检测算子相比较 | 第26-29页 |
| ·边缘检测算子在人耳识别中的实验及结果分析 | 第29页 |
| ·改进的Canny 算子提取耳廓边缘 | 第29-32页 |
| ·小波变换与中值滤波相结合的图像平滑方法 | 第30-31页 |
| ·改进算法的思想及具体步骤 | 第31-32页 |
| ·实验结果与分析 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 线性子空间人耳识别算法研究 | 第33-41页 |
| ·主分量分析方法PCA（Principal Component Analysis） | 第33-36页 |
| ·PCA 方法原理 | 第33-35页 |
| ·将PCA 方法应用到人耳识别中 | 第35页 |
| ·PCA 方法的实验结果 | 第35-36页 |
| ·线性判别分析LDA | 第36-40页 |
| ·线性判别分析的基本原理 | 第36-38页 |
| ·应用主元分析降维的线性判别分析算法 | 第38-39页 |
| ·实验结果及分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 非线性流形学习算法比较研究 | 第41-54页 |
| ·流形及流形学习的基本概念 | 第41页 |
| ·等特征匹配（Isometric Feature Mapping,Isomap） | 第41-43页 |
| ·Isomap 基本思想 | 第41-42页 |
| ·Isomap 算法流程 | 第42页 |
| ·Isomap 实验分析 | 第42-43页 |
| ·局部线性嵌入LLE | 第43-46页 |
| ·LLE 算法流程 | 第44-45页 |
| ·LLE 实验分析 | 第45-46页 |
| ·Laplacian 特征映射（LE） | 第46-48页 |
| ·LE 算法流程 | 第46页 |
| ·LE 实验分析 | 第46-48页 |
| ·三种算法仿真实验比较分析 | 第48-53页 |
| ·合成数据实验与分析 | 第48-51页 |
| ·人耳数据实验 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 改进的 LLE 算法在人耳识别中的应用研究 | 第54-61页 |
| ·ISOLLE 算法描述 | 第54-55页 |
| ·ISOLLE 算法实验分析 | 第55-56页 |
| ·ISOLLE 在人耳识别中的实验分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第七章 全文总结与展望 | 第61-63页 |
| ·全文总结 | 第61-62页 |
| ·本文展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 硕士期间发表的论文及所取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
