摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-19页 |
1.1 课题研究背景及意义 | 第9-10页 |
1.2 人耳识别技术及研究现状 | 第10-14页 |
1.2.1 人耳识别技术 | 第10页 |
1.2.2 国外研究现状 | 第10-13页 |
1.2.3 国内研究现状 | 第13-14页 |
1.3 Isomap 算法的研究现状 | 第14-16页 |
1.3.1 流形学习算法的提出 | 第14-15页 |
1.3.2 Isomap 算法的研究现状 | 第15-16页 |
1.4 主要研究内容及论文结构安排 | 第16-19页 |
1.4.1 研究内容 | 第16-17页 |
1.4.2 论文结构安排 | 第17-19页 |
2 基于 Curvelet 变换的图像去噪与特征提取 | 第19-29页 |
2.1 Curvelet 变换理论 | 第19-22页 |
2.1.1 第一代 Curvelet 变换 | 第20-21页 |
2.1.2 第二代 Curvelet 变换 | 第21-22页 |
2.2 Curvelet 变换在图像去噪中的应用 | 第22-24页 |
2.3 Curvelet 变换在图像特征提取中的应用 | 第24-28页 |
2.3.0 Curvelet 系数结构分析 | 第24-25页 |
2.3.1 Curvelet 系数统计分析 | 第25-27页 |
2.3.2 Curvelet 系数特征分析 | 第27-28页 |
2.4 本章小结 | 第28-29页 |
3 基于 Isomap 算法的特征降维 | 第29-37页 |
3.1 MDS 算法 | 第29-31页 |
3.2 经典 Isomap 算法 | 第31-35页 |
3.2.1 Isomap 理论 | 第31-33页 |
3.2.2 Isomap 算法的性能分析 | 第33-35页 |
3.3 Isomap 算法应用于模式分类存在的问题 | 第35-36页 |
3.4 本章小结 | 第36-37页 |
4 基于图像欧氏距离的 Isomap 算法 | 第37-49页 |
4.1 图像的相似性度量 | 第37-38页 |
4.2 基于图像欧氏距离的 Isomap 算法 | 第38-41页 |
4.2.1 图像欧氏距离理论 | 第38-39页 |
4.2.2 图像欧氏距离的嵌入 | 第39-40页 |
4.2.3 基于图像欧氏距离的 Isomap 算法 | 第40-41页 |
4.3 仿真实验与结果分析 | 第41-47页 |
4.3.1 USTB3 人耳图像数据库 | 第41-42页 |
4.3.2 角度偏转实验 | 第42-44页 |
4.3.3 噪声实验 | 第44-47页 |
4.4 本章小结 | 第47-49页 |
5 基于流形重构的 Isomap 算法 | 第49-61页 |
5.1 引言 | 第49页 |
5.2 LLE 算法简介 | 第49-51页 |
5.2.1 LLE 算法的局部保持思想 | 第49-50页 |
5.2.2 LLE 算法的实现 | 第50-51页 |
5.3 基于流形重构的 Isomap 算法 | 第51-54页 |
5.3.1 改进 Isomap 算法的思想 | 第51-52页 |
5.3.2 基于流形重构的 Isomap 算法 | 第52-53页 |
5.3.3 改进算法的时间性能分析 | 第53-54页 |
5.4 仿真实验及结果分析 | 第54-59页 |
5.4.1 Swiss-roll 数据集的准确性实验 | 第54-55页 |
5.4.2 真实数据集的准确性实验 | 第55-58页 |
5.4.3 真实数据集的噪声鲁棒性实验 | 第58-59页 |
5.5 本章小结 | 第59-61页 |
6 基于 Curvelet 变换和改进 Isomap 算法的人耳识别系统 | 第61-75页 |
6.1 人耳识别系统 | 第61-62页 |
6.2 人耳图像去噪与特征提取 | 第62-64页 |
6.2.1 人耳图像去噪 | 第62-63页 |
6.2.2 人耳图像特征提取 | 第63-64页 |
6.3 人耳图像的距离空间转换 | 第64页 |
6.4 人耳特征降维 | 第64-66页 |
6.5 人耳特征分类实验及结果分析 | 第66-73页 |
6.5.1 无噪实验 | 第66-68页 |
6.5.2 噪声实验 | 第68-73页 |
6.6 本章小结 | 第73-75页 |
7 总结与展望 | 第75-77页 |
7.1 总结 | 第75-76页 |
7.2 展望 | 第76-77页 |
致谢 | 第77-79页 |
参考文献 | 第79-83页 |
附录 | 第83页 |
A. 攻读硕士期间发表的论文目录 | 第83页 |