| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第一章 绪论 | 第15-38页 |
| ·研究意义 | 第15-20页 |
| ·残缺指纹识别中存在的挑战 | 第17-18页 |
| ·本研究工作的意义 | 第18-20页 |
| ·研究现状 | 第20-37页 |
| ·指纹预处理 | 第20-27页 |
| ·指纹特征提取 | 第27-31页 |
| ·指纹匹配 | 第31-34页 |
| ·指纹库 | 第34-35页 |
| ·数据挖掘和信息融合 | 第35-37页 |
| ·本文篇章结构及主要研究成果 | 第37-38页 |
| 第二章 残缺指纹方向场重建 | 第38-59页 |
| ·指纹方向场计算方法 | 第39-44页 |
| ·指纹梯度场 | 第39-40页 |
| ·基于公式法的指纹方向场 | 第40-43页 |
| ·基于掩膜法的指纹方向场 | 第43-44页 |
| ·基于离散度的指纹方向场滤波算法 | 第44-48页 |
| ·基于梯度离散度的残缺指纹局部方向估计 | 第45-46页 |
| ·残缺指纹全局方向滤波 | 第46-48页 |
| ·基于熵的指纹局部方向不确定性估计 | 第48-49页 |
| ·基于互信息准则残缺区域的方向估计 | 第49-55页 |
| ·仿真实验和分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第三章 基于数据挖掘技术的残缺指纹分割 | 第59-74页 |
| ·指纹分割算法简介 | 第60-63页 |
| ·常见的指纹分割算法 | 第60-62页 |
| ·支持向量机(SVM)用于指纹分割 | 第62-63页 |
| ·基于灰度信息的指纹分割算法的改进 | 第63-65页 |
| ·基于支持向量机(SVM)和局部二值模式(LBP)的残缺指纹分割算法 | 第65-71页 |
| ·局部二值模式(LBP) | 第66-69页 |
| ·基于SVM指纹残缺部分初分割 | 第69-70页 |
| ·计算基于局部二值模式的块间离散度 | 第70页 |
| ·分割步骤 | 第70-71页 |
| ·仿真实验和分析 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第四章 基于方向熵的残缺指纹感兴趣区域提取算法 | 第74-84页 |
| ·常见指纹奇异点提取方法 | 第76-77页 |
| ·基于方向熵的指纹感兴趣区域提取方法 | 第77-80页 |
| ·归一化 | 第77-78页 |
| ·方向场估计和平滑算法 | 第78-79页 |
| ·提取方向场的边缘 | 第79-80页 |
| ·计算Poincare索引值 | 第80页 |
| ·方向熵的计算 | 第80页 |
| ·仿真实验和分析 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 基于信息融合理论的残缺指纹识别算法研究 | 第84-107页 |
| ·常见的指纹匹配算法 | 第85-93页 |
| ·基于细节点的匹配 | 第85-91页 |
| ·基于非细节点的匹配算法 | 第91-92页 |
| ·基于混合的匹配算法 | 第92-93页 |
| ·基于信息融合理论的决策判决算法机制 | 第93-101页 |
| ·残缺指纹匹配算法的前期数据准备 | 第94页 |
| ·基于三角模算子的指纹融合算法 | 第94-95页 |
| ·基于熵理论的指纹融合算法 | 第95-101页 |
| ·仿真实验和分析 | 第101-105页 |
| ·本章小结 | 第105-107页 |
| 第六章 总结和展望 | 第107-111页 |
| ·本文研究工作总结 | 第107-109页 |
| ·未来研究工作展望 | 第109-111页 |
| 参考文献 | 第111-123页 |
| 致谢 | 第123-124页 |
| 作者攻读学位期间发表的学术论文 | 第124-125页 |