具有普适性的手部静脉识别关键算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 引言 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文结构 | 第12-14页 |
| 2 手背静脉数据集 | 第14-20页 |
| 2.1 静脉图像采集概述 | 第14-16页 |
| 2.1.1 静脉特性 | 第14-15页 |
| 2.1.2 自制手背静脉图像采集系统 | 第15-16页 |
| 2.2 手背静脉图像采集及数据制作 | 第16-18页 |
| 2.3 本章小结 | 第18-20页 |
| 3 基于KAZE的手部静脉识别算法 | 第20-41页 |
| 3.1 KAZE算法的相关理论 | 第20-23页 |
| 3.1.1 扩散方程 | 第20页 |
| 3.1.2 Perona-Malik方程 | 第20-23页 |
| 3.1.3 KAZE尺度空间 | 第23页 |
| 3.2 静脉图像预处理 | 第23-26页 |
| 3.3 KAZE特征提取 | 第26-28页 |
| 3.4 KAZE特征匹配 | 第28-30页 |
| 3.4.1 KAZE特征粗匹配 | 第28-29页 |
| 3.4.2 KAZE特征精匹配 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-40页 |
| 3.5.1 图像识别实验评价标准 | 第30-32页 |
| 3.5.2 完全匹配策略 | 第32-34页 |
| 3.5.3 部分匹配策略 | 第34-37页 |
| 3.5.4 最大匹配率策略 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 基于CNN的手部静脉识别算法 | 第41-65页 |
| 4.1 卷积神经网络相关理论 | 第41-45页 |
| 4.1.1 神经网络概述 | 第41-45页 |
| 4.1.2 卷积神经网络的诞概述 | 第45页 |
| 4.2 卷积神经网络的构建 | 第45-54页 |
| 4.2.1 卷积神经网络的总体结构 | 第45-46页 |
| 4.2.2 卷积层 | 第46-47页 |
| 4.2.3 池化层 | 第47-48页 |
| 4.2.4 Dropout | 第48页 |
| 4.2.5 目标函数 | 第48-49页 |
| 4.2.6 反馈运算 | 第49-54页 |
| 4.3 实验结果及分析 | 第54-64页 |
| 4.3.1 静脉数据集 | 第54-55页 |
| 4.3.2 卷积神经网络参数选择 | 第55-60页 |
| 4.3.3 实验结果 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-66页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
