| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 本文研究的背景及意义 | 第11-12页 |
| 1.2 本文研究的理论基础 | 第12-15页 |
| 1.2.1 足迹的生物特征 | 第12-13页 |
| 1.2.2 足迹的特点 | 第13页 |
| 1.2.3 足迹的分类 | 第13-14页 |
| 1.2.4 足迹的采集 | 第14-15页 |
| 1.3 同类课题的国内外研究现状及发展趋势 | 第15-17页 |
| 1.3.1 课题的国内外研究现状 | 第15-16页 |
| 1.3.2 足迹检验技术的应用 | 第16页 |
| 1.3.3 足迹检验技术的发展趋势 | 第16-17页 |
| 1.4 本文的研究内容及论文结构 | 第17-19页 |
| 1.4.1 研究内容 | 第17页 |
| 1.4.2 论文结构 | 第17-19页 |
| 第二章 基于多尺度形态学重构的足迹图像滤波 | 第19-27页 |
| 2.1 图像滤波的基本方法 | 第19-20页 |
| 2.1.1 中值滤波 | 第19页 |
| 2.1.2 高斯滤波 | 第19-20页 |
| 2.2 基于多尺度形态学重构的足迹图像滤波 | 第20-24页 |
| 2.2.1 多尺度形态学滤波的基本概念 | 第21-22页 |
| 2.2.2 多尺度形态学重构的基本定义 | 第22-23页 |
| 2.2.3 多尺度形态学重构的方法 | 第23-24页 |
| 2.2.4 多尺度形态学重构滤波算法 | 第24页 |
| 2.3 实验结果与分析 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于灰度-梯度二维阈值最大熵的足迹图像分割 | 第27-43页 |
| 3.1 图像分割 | 第27-33页 |
| 3.1.1 图像分割的主要思想 | 第27-28页 |
| 3.1.2 图像分割的主要方法 | 第28-33页 |
| 3.2 基于灰度-梯度二维阈值最大熵的足迹图像分割 | 第33-41页 |
| 3.2.1 求灰度-梯度共生矩阵 | 第33-35页 |
| 3.2.2 求灰度-梯度二维阈值 | 第35-38页 |
| 3.2.3 二维阈值分割图像 | 第38-39页 |
| 3.2.4 基于B样条函数的足迹图像边缘提取 | 第39-41页 |
| 3.3 实验结果与分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 足迹特征提取与识别 | 第43-53页 |
| 4.1 形状分析的概述 | 第43-44页 |
| 4.2 平面赤足迹坐标系的建立 | 第44-47页 |
| 4.2.1 基于重压面凸包建立坐标系 | 第44-46页 |
| 4.2.2 基于全足区域建立坐标系 | 第46-47页 |
| 4.3 足迹特征点的标注和轮廓分段 | 第47-48页 |
| 4.4 基于形状上下文的足迹识别 | 第48-51页 |
| 4.4.1 形状上下文 | 第48-49页 |
| 4.4.2 基于形状上下文的足迹识别 | 第49-50页 |
| 4.4.3 实验结果与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 结论 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 作者简介 | 第57-59页 |
| 致谢 | 第59页 |