| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.1.1 指纹识别的研究背景 | 第9-11页 |
| 1.1.2 指纹识别的发展与应用 | 第11页 |
| 1.1.3 干指纹图像识别技术遇到的挑战 | 第11-13页 |
| 1.2 指纹识别关键技术的国内外研究现状 | 第13-15页 |
| 1.2.1 指纹采集技术的研究现状 | 第13页 |
| 1.2.2 指纹图像分割算法的研究现状 | 第13-14页 |
| 1.2.3 指纹图像增强算法的研究现状 | 第14-15页 |
| 1.2.4 指纹图像特征提取的研究现状 | 第15页 |
| 1.3 本文主要研究内容及安排 | 第15-18页 |
| 1.3.1 课题来源 | 第15-16页 |
| 1.3.2 本文主要研究内容 | 第16-17页 |
| 1.3.3 本文章节安排 | 第17-18页 |
| 第二章 指纹图像干湿度评价及其优化采集 | 第18-27页 |
| 2.1 指纹图像的干湿度评价方法 | 第18-22页 |
| 2.1.1 基于灰度均值及方差的指纹图像干湿判断的算法实现 | 第18-20页 |
| 2.1.2 干湿指纹图像的判断实验及其分析 | 第20-22页 |
| 2.2 自动调节设备光照亮度实现优化采集指纹图像 | 第22-25页 |
| 2.2.1 自动调节光照亮度优化采集指纹图像 | 第22-24页 |
| 2.2.2 实验结果及分析 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于改进的Canny算子与形态学结合的分割算法 | 第27-38页 |
| 3.1 基于图像块均值及方差的自适应阈值分割算法 | 第27-29页 |
| 3.2 改进的Canny算子与形态学结合的分割算法 | 第29-35页 |
| 3.2.1 改进的Canny边缘检测 | 第29-31页 |
| 3.2.2 形态学的修正技术 | 第31-33页 |
| 3.2.3 改进的Canny算法与数学形态学结合的分割技术 | 第33-35页 |
| 3.3 实验结果及分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 改进的基于Gabor滤波干指纹图像增强算法 | 第38-53页 |
| 4.1 方向滤波增强算法及Gabor滤波增强算法 | 第38-42页 |
| 4.1.1 方向滤波增强算法 | 第38-40页 |
| 4.1.2 Gabor滤波增强算法 | 第40-42页 |
| 4.2 改进的Gabor滤波增强算法 | 第42-48页 |
| 4.2.1 图像归一化 | 第42-43页 |
| 4.2.2 自适应大小图像块方向场的计算 | 第43-44页 |
| 4.2.3 纹线频率的计算 | 第44-46页 |
| 4.2.4 滤波增强 | 第46-47页 |
| 4.2.5 实验结果与分析 | 第47-48页 |
| 4.3 自适应的二值化及去噪算法 | 第48-50页 |
| 4.3.1 自适应二值化算法 | 第48-49页 |
| 4.3.2 二值化指纹图像的去噪 | 第49-50页 |
| 4.4 基于改进的OPTA指纹图像细化算法 | 第50-52页 |
| 4.4.1 改进的OPTA指纹图像细化算法 | 第50-51页 |
| 4.4.2 实验结果与分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 指纹的特征提取及伪特征点删除算法 | 第53-62页 |
| 5.1 指纹特征点 | 第53页 |
| 5.2 细化后的特征提取算法 | 第53-55页 |
| 5.2.1 细化后特征提取算法的实现 | 第53-55页 |
| 5.2.2 实验结果 | 第55页 |
| 5.3 伪特征的删除算法 | 第55-58页 |
| 5.3.1 伪特征的剔除算法的实现 | 第55-56页 |
| 5.3.2 评估增强算法及特征提取算法的指标 | 第56-57页 |
| 5.3.3 实验结果及分析 | 第57-58页 |
| 5.4 干指纹图像匹配及识别 | 第58-61页 |
| 5.4.1 指纹匹配算法及识别的评判标准 | 第58-59页 |
| 5.4.2 干指纹图像的识别结果及分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
