万有引力场方法在人耳图像识别中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-22页 |
| ·研究背景 | 第8-15页 |
| ·生物特征识别技术的概念 | 第8-13页 |
| ·生物特征识别技术的标准化工作 | 第13-14页 |
| ·生物特征识别技术的发展趋势 | 第14-15页 |
| ·人耳识别技术研究现状 | 第15-20页 |
| ·本文工作 | 第20-22页 |
| 2 人耳识别技术 | 第22-30页 |
| ·人耳识别的基本概念 | 第22-25页 |
| ·耳廓的生理结构 | 第22-23页 |
| ·耳廓特征点定位 | 第23-24页 |
| ·耳廓分类 | 第24-25页 |
| ·人耳识别的可行性 | 第25-26页 |
| ·人耳特征提取与分类方法 | 第26-28页 |
| ·人耳识别系统 | 第28页 |
| ·识别结果评价指标 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 图像采集 | 第30-38页 |
| ·图像的常见格式 | 第30页 |
| ·BMP 格式 | 第30-35页 |
| ·BMP 位图的结构 | 第31-34页 |
| ·BMP 位图分类 | 第34-35页 |
| ·人耳图像采集 | 第35-37页 |
| ·摄像环境 | 第35-36页 |
| ·原始图像的获取 | 第36-37页 |
| ·人耳数据库 | 第37页 |
| ·本章小结 | 第37-38页 |
| 4 图像预处理 | 第38-46页 |
| ·人耳图像的尺寸归一化 | 第38-40页 |
| ·人耳图像的滤波处理 | 第40-42页 |
| ·人耳图像灰度归一化 | 第42-44页 |
| ·对比度调整 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于万有引力场转换的人耳特征提取 | 第46-58页 |
| ·万有引力场转换 | 第46-48页 |
| ·力场 | 第46-47页 |
| ·势能场 | 第47-48页 |
| ·场线、势能通道和势能阱 | 第48-51页 |
| ·实验过程与结论 | 第51-56页 |
| ·本章小结 | 第56-58页 |
| 6 分类器设计及实验结果分析 | 第58-74页 |
| ·聚类分析的基本思想 | 第58页 |
| ·方法的有效性 | 第58-59页 |
| ·模式相似性测度 | 第59-61页 |
| ·聚类算法 | 第61-66页 |
| ·硬C-均值算法（HCM） | 第61-64页 |
| ·模糊C-均值算法（FCM） | 第64-65页 |
| ·改进模糊C-均值算法（IFCM） | 第65-66页 |
| ·实验设计及结果分析 | 第66-74页 |
| ·实验设计 | 第66页 |
| ·实验结果及分析 | 第66-74页 |
| 7 结论与展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82页 |
