人耳识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-13页 |
| 1.2.1 人耳识别的研究现状 | 第10-12页 |
| 1.2.2 人耳识别的发展趋势 | 第12-13页 |
| 1.3 本论文的结构组成及主要内容 | 第13-15页 |
| 第二章 人耳识别基本组成 | 第15-27页 |
| 2.1 人耳识别的基本框架 | 第15页 |
| 2.2 人耳识别的各组成部分 | 第15-27页 |
| 2.2.1 人耳图像采集与定位 | 第15-16页 |
| 2.2.2 人耳图像的预处理 | 第16-18页 |
| 2.2.3 边缘检测与分割 | 第18-21页 |
| 2.2.4 特征提取 | 第21-25页 |
| 2.2.5 模式识别 | 第25-27页 |
| 第三章 基于主成分分析与线性鉴别的人耳识别研究 | 第27-41页 |
| 3.1 实验说明 | 第27页 |
| 3.2 主成分分析(PCA)法 | 第27-31页 |
| 3.2.1 主成分分析的原理 | 第27-29页 |
| 3.2.2 PCA用于人耳特征提取 | 第29-30页 |
| 3.2.3 PCA算法编程测试和数据分析 | 第30-31页 |
| 3.3 二维主成分分析(2DPCA)法 | 第31-33页 |
| 3.3.1 二维主成分分析的原理 | 第31页 |
| 3.3.2 2DPCA用于人耳特征提取 | 第31-32页 |
| 3.3.3 2DPCA算法编程测试和数据分析 | 第32-33页 |
| 3.4 线性鉴别分析(LDA)法 | 第33-34页 |
| 3.5 二维线性鉴别分析(2DLDA)法 | 第34-36页 |
| 3.5.1 二维线性鉴别分析的原理 | 第34-35页 |
| 3.5.2 2DLDA算法编程测试和数据分析 | 第35-36页 |
| 3.6 PCA&LDA法 | 第36-41页 |
| 3.6.1 PCA&LDA的原理 | 第37页 |
| 3.6.2 PCA&LDA用于人耳特征提取 | 第37-39页 |
| 3.6.3 PCA&LDA算法编程测试和数据分析 | 第39-41页 |
| 第四章 结合模糊支持向量机的人耳识别研究 | 第41-52页 |
| 4.1 模糊支持向量机原理 | 第41-49页 |
| 4.1.1 支持向量机 | 第41-45页 |
| 4.1.2 模糊支持向量机 | 第45-49页 |
| 4.2 模糊支持向量机人耳识别研究 | 第49-52页 |
| 4.2.1 模糊支持向量机参数和方法确定 | 第49-50页 |
| 4.2.2 模糊支持向量机编程测试和数据分析 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表文章目录 | 第56-57页 |
| 致谢 | 第57-58页 |
| 详细摘要 | 第58-63页 |
