| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 插图 | 第10-12页 |
| 表格 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| ·选题背景和意义 | 第13-14页 |
| ·国内外的研究现状及趋势 | 第14-15页 |
| ·本文的研究目标和内容 | 第15-16页 |
| ·研究目标 | 第15-16页 |
| ·研究内容 | 第16页 |
| ·章节安排 | 第16-18页 |
| 第2章 指纹图像及指纹识别 | 第18-33页 |
| ·指纹特征的基本认识 | 第18-19页 |
| ·指纹识别的基本原理 | 第19-23页 |
| ·指纹图像采集 | 第19-20页 |
| ·指纹图像的预处理 | 第20-22页 |
| ·指纹图像的特征提取 | 第22页 |
| ·指纹图像的特征比对 | 第22-23页 |
| ·指纹识别应用的基本硬件平台 | 第23-27页 |
| ·基于嵌入式指纹识别应用的控制芯片选型 | 第23-25页 |
| ·人机交互模块 | 第25-26页 |
| ·指纹数据采集与传输 | 第26页 |
| ·指纹特征数据存储 | 第26-27页 |
| ·关于指纹纹线细节点的特征提取 | 第27-31页 |
| ·特征提取时的细节模板 | 第28-29页 |
| ·嵴线追踪算法 | 第29-31页 |
| ·指纹识别的性能指标 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 快速预处理模型 | 第33-38页 |
| ·指纹图像分割理论概述 | 第33-34页 |
| ·快速预处理算法 | 第34-37页 |
| ·方差法分割 | 第34页 |
| ·最大类间方差分割 | 第34-36页 |
| ·维纳自适应滤波 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于小波变换的指纹特征提取 | 第38-51页 |
| ·小波变换的基本原理 | 第38-43页 |
| ·小波变换的应用简介 | 第43-44页 |
| ·一维小波变换提取指纹特征向量 | 第44-46页 |
| ·二维小波变换提取指纹特征向量 | 第46-50页 |
| ·特征向量的构成 | 第46页 |
| ·特征向量的计算 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于概率神经网络的指纹特征匹配算法 | 第51-59页 |
| ·模式识别的基本原理 | 第51-52页 |
| ·模式识别概述 | 第51页 |
| ·分类决策机制 | 第51-52页 |
| ·基于概率神经网络的指纹特征匹配识别 | 第52-58页 |
| ·神经网络概述 | 第52-53页 |
| ·神经网络拓扑结构 | 第53-56页 |
| ·神经网络的平滑因子最佳动态范围的研究 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 仿真与性能测试 | 第59-70页 |
| ·基于嵌入式环境的前台主程序代码 | 第59-63页 |
| ·基于小波变换特征提取的快速指纹识别模型仿真 | 第63-68页 |
| ·快速预处理分割算法与传统最大类间方差法分割、直方图均衡化分割的比较 | 第63-64页 |
| ·神经网络匹配灵敏度的最佳动态范围选择 | 第64-66页 |
| ·基于小波变换的两种不同特征提取方式的性能比较 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第7章 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·进一步研究与展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间参加的科研项目和成果 | 第76页 |