| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究的背景 | 第8-9页 |
| 1.2 课题的前景和现状 | 第9页 |
| 1.2.1 课题研究的市场前景 | 第9页 |
| 1.2.2 国内外研究现状 | 第9页 |
| 1.3 本课题的主要研究内容 | 第9-10页 |
| 1.4 本论文的结构安排 | 第10-11页 |
| 第二章 嵌入式系统 | 第11-17页 |
| 2.1 嵌入式系统概述 | 第11-13页 |
| 2.1.1 嵌入式系统的发展阶段 | 第11页 |
| 2.1.2 嵌入式系统的特点 | 第11-12页 |
| 2.1.3 嵌入式系统的组成结构 | 第12页 |
| 2.1.4 嵌入式系统的设计 | 第12-13页 |
| 2.2 嵌入式操作系统 | 第13-15页 |
| 2.2.1 嵌入式操作系统简介 | 第14页 |
| 2.2.2 嵌入式 Linux | 第14-15页 |
| 2.3 ARM 处理器 | 第15-16页 |
| 2.3.1 ARM 简介 | 第15页 |
| 2.3.2 ARM 微处理器特点 | 第15页 |
| 2.3.3 ARM9 系列简介 | 第15-16页 |
| 2.3.4 ARM9 的流水线结构 | 第16页 |
| 2.4 本章总结 | 第16-17页 |
| 第三章 指纹识别系统的硬件和软件环境 | 第17-26页 |
| 3.1 指纹识别系统的硬件环境 | 第17-19页 |
| 3.1.1 微处理器芯片 S3C2440 | 第17页 |
| 3.1.2 嵌入式存储系统 SDRAM 和 Flash | 第17页 |
| 3.1.3 LCD 液晶屏的的简介与连接设计 | 第17-18页 |
| 3.1.4 USB 控制器 | 第18页 |
| 3.1.5 指纹传感器 FPS200 的简介 | 第18-19页 |
| 3.2 指纹识别系统的软件环境 | 第19-23页 |
| 3.2.1 操作系统的启动 | 第20-23页 |
| 3.3 指纹图像的采集和显示 | 第23-26页 |
| 3.3.1 FPS200 指纹采集的驱动 | 第23-24页 |
| 3.3.2 指纹图像显示 LCD 的驱动 | 第24-26页 |
| 第四章 指纹图像的预处理及匹配算法 | 第26-47页 |
| 4.1 M-FastICA 算法对图像提取 | 第26-33页 |
| 4.1.1 ICA 简介 | 第26-29页 |
| 4.1.2 FastICA | 第29-30页 |
| 4.1.3 M-FastICA 算法 | 第30-31页 |
| 4.1.4 利用 M-FastICA 进行指纹图像提取降噪 | 第31-33页 |
| 4.2 指纹图像的预处理算法 | 第33-42页 |
| 4.2.1 指纹图像的分割——Sobel 边缘检测 | 第34-36页 |
| 4.2.2 指纹图像滤波——自适应中值滤波 | 第36-37页 |
| 4.2.3 指纹图像的增强——Gabor 滤波增强 | 第37-38页 |
| 4.2.4 指纹图像的二值化——动态阈值法 | 第38-39页 |
| 4.2.5 指纹图像二值化后的滤波去噪 | 第39-40页 |
| 4.2.6 指纹图像的细化——改进后的 OPTA 算法 | 第40-42页 |
| 4.2.7 指纹图像细化后的滤波去噪 | 第42页 |
| 4.3 指纹图像的特征点提取 | 第42-43页 |
| 4.4 指纹图像的匹配 | 第43-47页 |
| 4.4.1 设定匹配的参考点对 | 第44-45页 |
| 4.4.2 计算匹配特征点的相似度 | 第45-46页 |
| 4.4.3 匹配分数的计算 | 第46-47页 |
| 第五章 指纹识别算法的实现及效果 | 第47-53页 |
| 5.1 指纹图像预处理实现及效果 | 第47-51页 |
| 5.1.1 指纹图像的分割效果 | 第47-48页 |
| 5.1.2 指纹图像增强效果 | 第48-49页 |
| 5.1.3 指纹图像二值化效果 | 第49-50页 |
| 5.1.4 指纹图像细化效果 | 第50-51页 |
| 5.2 指纹图像的特征提取效果 | 第51页 |
| 5.3 指纹匹配算法实现 | 第51-53页 |
| 第六章 工作总结和展望 | 第53-54页 |
| 6.1 工作总结 | 第53页 |
| 6.2 后期的工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文 | 第57-58页 |
| 致谢 | 第58-59页 |
| 详细摘要 | 第59-63页 |
