基于代数方法的人耳识别研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-29页 |
| ·课题研究背景和意义 | 第12-13页 |
| ·生物特征识别概述 | 第13-15页 |
| ·人耳识别技术及其研究现状 | 第15-24页 |
| ·人耳识别简介 | 第15-16页 |
| ·人耳解剖学结构 | 第16-17页 |
| ·人耳识别系统的构成 | 第17页 |
| ·人耳识别技术研究现状 | 第17-21页 |
| ·人耳识别系统的性能评估 | 第21-23页 |
| ·人耳识别技术的前景 | 第23-24页 |
| ·人耳人脸多模态识别 | 第24-27页 |
| ·人脸识别的研究现状 | 第24页 |
| ·人脸识别存在的主要问题 | 第24-25页 |
| ·人耳人脸多模态识别的可行性及意义 | 第25-27页 |
| ·本文的主要工作 | 第27-29页 |
| 第二章 基于旋转变化的人耳识别 | 第29-63页 |
| ·AdaBoost在线人耳检测 | 第29-35页 |
| ·Haar矩形特征 | 第30-31页 |
| ·基于离散Adaboost的特征选择 | 第31-32页 |
| ·级联分类器结构 | 第32-33页 |
| ·扩展的Haar特征 | 第33-35页 |
| ·基于局部信息统计的人耳识别方法 | 第35-47页 |
| ·局部信息与整体信息 | 第35-36页 |
| ·本文采用的人耳图像库 | 第36-39页 |
| ·划分人耳局部子区域 | 第39页 |
| ·人耳图像预处理 | 第39-40页 |
| ·提取人耳局部特征 | 第40-43页 |
| ·最近邻分类器分类决策 | 第43页 |
| ·实验与结果分析 | 第43-47页 |
| ·不变矩用于旋转变化的人耳识别 | 第47-53页 |
| ·基于局部灰度梯度特征点的旋转人耳图像识别 | 第53-62页 |
| ·模式匹配 | 第55页 |
| ·选取最佳分块参数和匹配的特征点数 | 第55-59页 |
| ·实验与结果分析 | 第59-61页 |
| ·错误匹配分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第三章 基于GDA子空间的低分辨率人耳识别 | 第63-82页 |
| ·低分辨率条件下GDA方法用于人耳识别的可行性 | 第63-65页 |
| ·广义判别分析(GDA)原理 | 第65-68页 |
| ·核映射与核空间 | 第65-66页 |
| ·GDA算法 | 第66-67页 |
| ·核函数 | 第67-68页 |
| ·基于GDA的人耳图像识别 | 第68-77页 |
| ·基于GDA的低分辨率人耳图像识别 | 第77-81页 |
| ·人耳图像降维 | 第77-78页 |
| ·实验与结果分析 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第四章 人耳人脸多模态识别 | 第82-93页 |
| ·人耳人脸融合识别方法 | 第86-92页 |
| ·实验采用的人脸库 | 第86页 |
| ·人脸人耳融合识别 | 第86-92页 |
| ·本章小结 | 第92-93页 |
| 第五章 人耳识别系统实现 | 第93-99页 |
| ·人耳识别应用系统需要考虑的几个问题 | 第93-94页 |
| ·人耳图像获取的相关问题 | 第93-94页 |
| ·核心算法的选择 | 第94页 |
| ·人耳识别系统实现 | 第94-97页 |
| ·系统设计 | 第94-95页 |
| ·系统演示 | 第95-97页 |
| ·本章小结 | 第97-99页 |
| 第六章 结论 | 第99-101页 |
| 参考文献 | 第101-107页 |
| 在学研究成果 | 第107-108页 |
| 致谢 | 第108页 |
