基于L0梯度平滑的人耳识别
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第10-20页 |
| 1.1 课题来源 | 第10页 |
| 1.2 人耳识别研究的背景与意义 | 第10-12页 |
| 1.3 人耳识别的可行性 | 第12-14页 |
| 1.4 人耳识别研究的国内外发展状况 | 第14-17页 |
| 1.4.1 人耳识别国外发展状况 | 第14-16页 |
| 1.4.2 人耳识别国内发展状况 | 第16-17页 |
| 1.5 人耳识别存在的问题及研究前景 | 第17页 |
| 1.6 人耳识别研究的难点 | 第17-18页 |
| 1.7 本文的研究内容与结构安排 | 第18-20页 |
| 2.图像平滑方法 | 第20-26页 |
| 2.1 高斯滤波方法 | 第20-22页 |
| 2.1.1 高斯滤波简介 | 第20页 |
| 2.1.2 高斯滤波原理 | 第20-21页 |
| 2.1.3 高斯滤波应用 | 第21-22页 |
| 2.2 双边滤波方法 | 第22-25页 |
| 2.2.1 双边滤波简介 | 第22-23页 |
| 2.2.2 双边滤波原理 | 第23-24页 |
| 2.2.3 双边滤波特点 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3.基于L0平滑算法的人耳图像边缘提取 | 第26-38页 |
| 3.1 图像的预处理 | 第26-27页 |
| 3.2 L0梯度平滑方法 | 第27-29页 |
| 3.2.1 L0梯度介绍 | 第27-28页 |
| 3.2.2 L0梯度背景 | 第28页 |
| 3.2.3 L0梯度应用 | 第28-29页 |
| 3.3 基于L0平滑图像的预处理 | 第29-31页 |
| 3.3.1 基于L0梯度图像平滑 | 第29-30页 |
| 3.3.2 图像对比度增强 | 第30-31页 |
| 3.4 基于L0梯度平滑图像的边缘提取 | 第31-36页 |
| 3.4.1 Canny算子 | 第31-32页 |
| 3.4.2 边缘提取 | 第32-36页 |
| 3.5 实验结果与分析 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4. 基于选择性L0平滑的人耳SIFT识别方法 | 第38-50页 |
| 4.1 人耳图像的细节增强 | 第38-41页 |
| 4.1.1 基于L0梯度图像平滑 | 第38-39页 |
| 4.1.2 图像的细节提取 | 第39-40页 |
| 4.1.3 判定人耳区域选择性增强 | 第40-41页 |
| 4.2 SIFT特性 | 第41-42页 |
| 4.3 欧氏距离 | 第42-43页 |
| 4.4 人耳识别过程 | 第43-44页 |
| 4.5 实验结果与分析 | 第44-49页 |
| 4.5.1 关键点和边缘提取 | 第44-46页 |
| 4.5.2 人耳图像识别 | 第46-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5.总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57-58页 |
