| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文研究内容及结构安排 | 第15-17页 |
| 2 移动端掌纹认证技术概述 | 第17-28页 |
| 2.1 掌纹认证系统组成与软件分析 | 第17-20页 |
| 2.1.1 认证系统组成 | 第17-19页 |
| 2.1.2 认证系统软件分析 | 第19-20页 |
| 2.2 安卓系统架构的设计与实现 | 第20-22页 |
| 2.2.1 安卓程序设计基础 | 第20-21页 |
| 2.2.2 事件处理机制 | 第21页 |
| 2.2.3 界面设计及拍照显示图片 | 第21-22页 |
| 2.3 掌纹特征提取技术 | 第22-27页 |
| 2.3.1 分析描述的掌纹提取方法 | 第23-25页 |
| 2.3.2 掌纹特征融合算法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于变换域特征融合的移动端掌纹认证算法 | 第28-45页 |
| 3.1 图像预处理模块 | 第29-32页 |
| 3.1.1 移动端的掌纹采集 | 第29-30页 |
| 3.1.2 谷点检测及定位 | 第30-31页 |
| 3.1.3 掌纹感兴趣区域的提取 | 第31-32页 |
| 3.1.4 实验结果 | 第32页 |
| 3.2 图像特征提取与匹配模块 | 第32-42页 |
| 3.2.1 基于编码的特征提取算法 | 第33-36页 |
| 3.2.2 基于变换域融合的特征提取算法 | 第36-42页 |
| 3.3 实验结果分析与性能评估 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 基于卷积神经网络的掌纹特征提取算法 | 第45-61页 |
| 4.1 卷积神经网络 | 第45-49页 |
| 4.1.1 卷积神经网络原理 | 第46-47页 |
| 4.1.2 基于掌纹特征描述的卷积神经网络结构 | 第47-49页 |
| 4.2 局部卷积神经网络的优化 | 第49-58页 |
| 4.2.1 微调动量梯度下降的掌纹识别算法 | 第50-54页 |
| 4.2.2 微调低维掌纹特征的卷积神经网络 | 第54-56页 |
| 4.2.3 基于Triplet Loss函数的卷积神经网络结构 | 第56-58页 |
| 4.3 实验结果与分析 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 5 研究总结与展望 | 第61-63页 |
| 5.1 研究总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |