| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 生物特征识别介绍 | 第8-10页 |
| 1.2 人耳生物结构 | 第10-11页 |
| 1.3 人耳识别的应用领域 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 研究背景 | 第12-16页 |
| 2.1 引言 | 第12页 |
| 2.2 基于二维人耳的识别算法 | 第12-13页 |
| 2.2.1 力场转换算法 | 第12-13页 |
| 2.2.2 基于 Voronoi 图的图匹配方法 | 第13页 |
| 2.3 基于三维耳廓的识别算法 | 第13-14页 |
| 2.3.1 基于最近迭代点(ICP,Iterative Closest Point)算法 | 第13-14页 |
| 2.3.2 基于主元分析(PCA，Principal component analysis)算法 | 第14页 |
| 2.4 人耳自动识别系统 | 第14页 |
| 2.5 性能评价指标 | 第14-15页 |
| 2.6 本文算法研究内容以及解决问题 | 第15-16页 |
| 3 三维耳廓数据获取 | 第16-21页 |
| 3.1 引言 | 第16-17页 |
| 3.2 三维耳廓数据采集系统 | 第17-20页 |
| 3.3 本章小结 | 第20-21页 |
| 4 基于调和分析的三维人耳识别 | 第21-32页 |
| 4.1 引言 | 第21页 |
| 4.2 算法背景 | 第21页 |
| 4.3 球面调和函数简介 | 第21-24页 |
| 4.4 耳廓的球面调和特征 | 第24-28页 |
| 4.4.1 预处理 | 第24-25页 |
| 4.4.2 提取球面调和特征 | 第25-28页 |
| 4.4.3 相似性测度 | 第28页 |
| 4.5 实验结果及分析 | 第28-31页 |
| 4.5.1 频率带宽对本文算法的影响 | 第28-29页 |
| 4.5.2 算法性能分析 | 第29-31页 |
| 4.6 本章小结 | 第31-32页 |
| 5 基于调和映射的三维人耳识别 | 第32-39页 |
| 5.1 应用背景 | 第32页 |
| 5.3 调和映射原理 | 第32-36页 |
| 5.3.1 三维人耳预处理 | 第33页 |
| 5.3.2 三维人耳调和映射 | 第33-35页 |
| 5.3.3 调和映射形状图像 | 第35-36页 |
| 5.3.4 相似性测度 | 第36页 |
| 5.4 实验结果及分析 | 第36-37页 |
| 5.5 本章小结 | 第37-39页 |
| 6 总结与展望 | 第39-40页 |
| 6.1 已完成的工作 | 第39页 |
| 6.2 工作展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 攻读硕士学位期间发表学术论文情况 | 第43-44页 |
| 致谢 | 第44页 |