| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 指纹识别技术的研究背景及意义 | 第11-14页 |
| 1.1.1 生物识别技术 | 第11-13页 |
| 1.1.2 指纹图像识别技术的意义 | 第13-14页 |
| 1.1.3 指纹识别系统的工作模式 | 第14页 |
| 1.2 指纹识别技术的研究现状 | 第14-18页 |
| 1.2.1 指纹图像增强 | 第15-16页 |
| 1.2.2 指纹图像分割 | 第16-18页 |
| 1.3 本文主要工作及组织安排 | 第18-21页 |
| 第二章 经典指纹图片分割算法的介绍及其改进 | 第21-29页 |
| 2.1 PREWITT算子理论 | 第21-22页 |
| 2.1.1 八方向模板的选取 | 第21-22页 |
| 2.1.2 自适应阈值的选取算法 | 第22页 |
| 2.2 基于CANNY算子的指纹图像分割算法 | 第22-24页 |
| 2.2.1 Canny算子最优边缘准则 | 第23页 |
| 2.2.2 基于Canny算子的指纹图像分割算法 | 第23-24页 |
| 2.3 一种使用优化的GABOR滤波器的指纹图像分割算法 | 第24-27页 |
| 2.4 对上述三种算法仿真试验结果 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于灰度共生矩阵的自适应阈值分割算法 | 第29-41页 |
| 3.1 灰度共生矩阵的介绍 | 第29-33页 |
| 3.2 灰度共生矩阵在指纹图像分割中的应用 | 第33-34页 |
| 3.3 自适应阈值的灰度共生矩阵的指纹图像分割算法 | 第34-36页 |
| 3.4 试验过程及其分析 | 第36-39页 |
| 3.4.1 试验数据描述 | 第36页 |
| 3.4.2 关于参数α，β的实验 | 第36-38页 |
| 3.4.3 本文算法与现有算法的实验比较 | 第38-39页 |
| 3.4.4 算法性能比较实验 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于HARRIS角点检测的指纹图像分割算法的研究 | 第41-53页 |
| 4.1 引言 | 第41-42页 |
| 4.2 HARRIS角点的介绍 | 第42-45页 |
| 4.2.1 Harris角点检测的原理 | 第42-44页 |
| 4.2.2 指纹图像的Harris角点的检测 | 第44-45页 |
| 4.3 数学形态学的介绍 | 第45-48页 |
| 4.3.1 形态学的基本操作 | 第46页 |
| 4.3.2 使用形态学重建的指纹图像分割算法 | 第46-48页 |
| 4.4 一种基于自适应阈值的HARRIS角点能量检测与数学形态学结合的指纹图像分割算法 | 第48-49页 |
| 4.5 试验过程及其分析 | 第49-51页 |
| 4.5.1 试验数据描述 | 第49-50页 |
| 4.5.2 本文算法与现有算法的实验比较 | 第50-51页 |
| 4.5.3 算法性能比较实验 | 第51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作内容 | 第53-54页 |
| 5.2 下一步研究工作 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录（攻读学位期间发表论文及参加课题目录） | 第60-61页 |
| 详细摘要 | 第61-65页 |
