基于多特征多分类器融合决策的印鉴识别
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·印鉴自动识别系统的研究意义 | 第12页 |
| ·印鉴自动识别系统的研究现状 | 第12-14页 |
| ·印鉴识别系统的应用情况 | 第14-16页 |
| ·印鉴自动识别系统的市场前景 | 第16页 |
| ·印鉴识别系统的研究内容 | 第16-19页 |
| ·印鉴识别的研究内容. | 第16-18页 |
| ·本文研究的工作概述 | 第18-19页 |
| ·论文的内容安排 | 第19-20页 |
| 第二章 印鉴识别的理论基础 | 第20-35页 |
| ·引言 | 第20页 |
| ·模糊测度和模糊积分 | 第20-21页 |
| ·中值滤波介绍 | 第21-22页 |
| ·图像配准的理论基础 | 第22-25页 |
| ·图像变换 | 第23-24页 |
| ·相似性测度 | 第24页 |
| ·插值 | 第24页 |
| ·印鉴图像配准技术 | 第24-25页 |
| ·奇异值分解(SVD)理论 | 第25-27页 |
| ·支持向量机(SVM)理论 | 第27-33页 |
| ·线性支持向量机发 | 第27-30页 |
| ·非线性支持向量机 | 第30-31页 |
| ·Fisher线性分类器 | 第31-33页 |
| ·数学形态学 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 印鉴图像的预处理 | 第35-44页 |
| ·印鉴图像的背景去除 | 第35-37页 |
| ·阈值法 | 第35-36页 |
| ·种子扩散浮置实体法 | 第36页 |
| ·基于颜色信息的背景分割 | 第36-37页 |
| ·印鉴图像增强 | 第37-40页 |
| ·加权中值滤波的快速算法 | 第38-40页 |
| ·印鉴图像锐化 | 第40页 |
| ·印鉴图像的细化 | 第40-43页 |
| ·基于二值边缘图像细化 | 第40-41页 |
| ·数学形态学的细化方法 | 第41-43页 |
| ·改进的数学形态学的细化算法 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第四章 印鉴图像的配准 | 第44-50页 |
| ·引言 | 第44页 |
| ·印鉴图像配准 | 第44-47页 |
| ·边缘配准法 | 第44-45页 |
| ·启发式搜索配准法 | 第45-47页 |
| ·基于小波技术的图像配准法 | 第47-49页 |
| ·基于小波技术的配准算法 | 第47-49页 |
| ·配准实验结果 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第五章 印鉴图像的多特征提取 | 第50-59页 |
| ·引言 | 第50页 |
| ·传统特征提取方法概述 | 第50-51页 |
| ·印鉴图像的多特征提取方法 | 第51-58页 |
| ·边缘防伪纹线的防伪特征 | 第51-54页 |
| ·基于灰度共生矩阵的纹理特征 | 第54-56页 |
| ·基于奇异值向量提取的不变代数特征 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 多分类器融合 | 第59-68页 |
| ·模式识别 | 第59-60页 |
| ·模式识别技术简介 | 第59-60页 |
| ·分类器技术简介 | 第60页 |
| ·多分类器的体系结构设计与融合策略 | 第60-64页 |
| ·多分类器的体系机构 | 第60-62页 |
| ·多分类器的融合策略 | 第62-64页 |
| ·实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 印鉴识别算法C++实现的关键 | 第68-80页 |
| ·引言 | 第68页 |
| ·图像处理框架的设计 | 第68-73页 |
| ·软件框架的介绍 | 第68-72页 |
| ·框架的应用 | 第72-73页 |
| ·印鉴图像矩阵类的设计 | 第73-79页 |
| ·矩阵类的介绍 | 第73-76页 |
| ·矩阵类在印鉴识别的算法中的应用 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第八章 总结与展望 | 第80-82页 |
| ·本文总结 | 第80页 |
| ·研究展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 作者在攻读硕士学位期间完成的论文 | 第86-87页 |
| 致谢 | 第87页 |
