| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| Contents | 第11-13页 |
| 第1章 绪论 | 第13-26页 |
| ·课题的研究背景及意义 | 第13-15页 |
| ·生物特征识别技术综述 | 第15-19页 |
| ·生物识别技术概念 | 第15-16页 |
| ·各种生物特征识别技术介绍 | 第16-18页 |
| ·生物特征识别技术未来发展趋势 | 第18-19页 |
| ·人耳识别技术国内外研究现状 | 第19-23页 |
| ·国外的研究现状 | 第19-22页 |
| ·国内的研究现状 | 第22-23页 |
| ·人耳识别存在的技术难点 | 第23-24页 |
| ·本文的主要研究内容 | 第24页 |
| ·论文章节安排 | 第24-26页 |
| 第2章 人耳图像识别技术基础 | 第26-37页 |
| ·引言 | 第26页 |
| ·人耳识别系统简介 | 第26-27页 |
| ·人耳图像的预处理 | 第27-34页 |
| ·图像对比度调整 | 第27-28页 |
| ·滤波去噪 | 第28-31页 |
| ·直方图均衡化 | 第31-34页 |
| ·特征提取和特征选择简介 | 第34-35页 |
| ·特征向量和特征提取 | 第34页 |
| ·特征选择 | 第34-35页 |
| ·特征提取的方法介绍 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第3章 基于 PCA 与 Fisherface 互补双特征提取的人耳识别 | 第37-47页 |
| ·引言 | 第37-38页 |
| ·主成分分析 | 第38-40页 |
| ·主成分分析的定义 | 第38页 |
| ·基于 K-L 变换的 PCA 方法 | 第38-39页 |
| ·特征耳的提取 | 第39-40页 |
| ·Fisherfaces 方法 | 第40-41页 |
| ·fisherfaces 定义 | 第40页 |
| ·算法过程 | 第40-41页 |
| ·基于 PCA 与 fisherface 互补双特征提取算法 | 第41-43页 |
| ·算法思想 | 第41-42页 |
| ·算法步骤 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于改进的二维核主成分分析的人耳识别 | 第47-56页 |
| ·引言 | 第47页 |
| ·K2DPCA 及 2DPCA 算法原理 | 第47-50页 |
| ·K2DPCA 算法原理 | 第47-48页 |
| ·2DPCA 算法原理 | 第48-50页 |
| ·二维核主成分分析的改进算法 | 第50-51页 |
| ·算法思想 | 第50页 |
| ·算法步骤 | 第50-51页 |
| ·算法的执行过程 | 第51页 |
| ·实验结果及分析 | 第51-54页 |
| ·分类器选取 | 第51-52页 |
| ·实验过程 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 基于 PCA 与 ICA 互补特征串联融合的姿态人耳识别 | 第56-67页 |
| ·引言 | 第56页 |
| ·独立成分分析（ICA） | 第56-58页 |
| ·ICA 定义 | 第56-57页 |
| ·ICA 算法过程 | 第57-58页 |
| ·PCA 与 ICA 互补双特征融合算法 | 第58-62页 |
| ·融合依据 | 第58页 |
| ·融合策略 | 第58-62页 |
| ·实验结果及分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-70页 |
| 论文总结 | 第67-68页 |
| 工作展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间所发表的学术论文 | 第73-75页 |
| 致谢 | 第75页 |
