基于特征参数的指纹质量分类方法及应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的背景与意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文的研究内容和结构安排 | 第14-15页 |
| 第2章 自动指纹识别系统 | 第15-21页 |
| ·自动指纹识别系统的原理 | 第15-16页 |
| ·自动指纹识别系统的组成 | 第16-19页 |
| ·指纹模式识别系统算法的组成 | 第16-18页 |
| ·自动指纹识别系统模块的功能 | 第18-19页 |
| ·自动指纹识别系统的性能评估 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于特征参数的指纹质量分类方法 | 第21-38页 |
| ·传统图像质量评价方法 | 第21-23页 |
| ·指纹图像质量特征参数 | 第23-30页 |
| ·全局质量特征参数 | 第23-27页 |
| ·局部质量特征参数 | 第27-30页 |
| ·多特征参数加权组合的指纹质量评价方法 | 第30页 |
| ·基于 K 均值聚类的指纹质量分类方法 | 第30-32页 |
| ·K 均值聚类的基本原理 | 第30-31页 |
| ·算法描述 | 第31-32页 |
| ·基于 BP 神经网络的指纹质量分类方法 | 第32-34页 |
| ·BP 神经网络的基本原理 | 第32-34页 |
| ·算法描述 | 第34页 |
| ·实验结果与分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 质量分类在指纹增强中的应用 | 第38-50页 |
| ·指纹图像纹理参数计算 | 第38-43页 |
| ·方向场计算 | 第38-41页 |
| ·频率场计算 | 第41-43页 |
| ·指纹增强算法 | 第43-46页 |
| ·根滤波增强 | 第44页 |
| ·Gabor 增强 | 第44-45页 |
| ·STFT 增强 | 第45-46页 |
| ·质量分类在指纹增强中的应用 | 第46-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 指纹图像细化和特征提取 | 第50-62页 |
| ·指纹图像二值化 | 第50-53页 |
| ·基于固定阈值的二值化方法 | 第50页 |
| ·基于动态阈值的二值化方法 | 第50-51页 |
| ·基于方向量化模板的二值化方法 | 第51-53页 |
| ·指纹图像细化 | 第53-56页 |
| ·快速并行细化算法 | 第53-54页 |
| ·OPTA 细化算法 | 第54-55页 |
| ·基于形态学的细化算法 | 第55-56页 |
| ·细节特征提取 | 第56-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |
