| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景和研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 Android掌纹识别技术的现状 | 第13-14页 |
| 1.2.2 掌纹识别技术研究现状 | 第14-15页 |
| 1.3 本文内容及章节安排 | 第15-17页 |
| 第2章 掌纹图像的定位采集和预处理 | 第17-27页 |
| 2.1 掌纹图像的采集 | 第17-19页 |
| 2.1.1 传统的采集方式 | 第17-18页 |
| 2.1.2 本文的掌纹采集方式 | 第18-19页 |
| 2.2 手掌定位 | 第19-22页 |
| 2.2.1 非接触掌纹识别采集的难点 | 第19页 |
| 2.2.2 非接触掌纹识别采集难点的解决 | 第19-22页 |
| 2.3 感兴趣区域提取 | 第22-25页 |
| 2.3.1 掌纹图像背景分离 | 第22-23页 |
| 2.3.2 掌纹图像轮廓提取 | 第23页 |
| 2.3.3 轮廓特征点的定义 | 第23-24页 |
| 2.3.4 用轮廓特征点定位分割掌纹图像 | 第24-25页 |
| 2.4 图像增强 | 第25页 |
| 2.5 实验效果分析 | 第25-26页 |
| 2.5.1 ROI提取识别对比分析 | 第25-26页 |
| 2.5.2 图像增强识别对比分析 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 掌纹图像特征提取和匹配 | 第27-43页 |
| 3.1 SIFT类特征提取算法分析 | 第27-29页 |
| 3.1.1 SIFT及其相关算法简介 | 第27-28页 |
| 3.1.2 算法的比较 | 第28-29页 |
| 3.2 SURF特征提取与匹配 | 第29-35页 |
| 3.2.1 SURF算法原理 | 第29-33页 |
| 3.2.2 SURF特征匹配 | 第33-34页 |
| 3.2.3 外点剔除 | 第34-35页 |
| 3.3 LBP算法特征提取与匹配 | 第35-41页 |
| 3.3.1 LBP算法原理 | 第36-39页 |
| 3.3.2 LBP特征统计直方图 | 第39-40页 |
| 3.3.3 LBP特征统计直方图的匹配 | 第40页 |
| 3.3.4 三种LBP算法对比 | 第40-41页 |
| 3.4 实验结果分析 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 Android平台搭建和开发 | 第43-51页 |
| 4.1 Android系统的优势 | 第43-44页 |
| 4.2 Android系统构架及开发基础 | 第44-47页 |
| 4.2.1 Android系统构架 | 第44-45页 |
| 4.2.2 Android开发基础 | 第45-47页 |
| 4.3 Android平台搭建 | 第47-48页 |
| 4.3.1 Android硬件配置和所需软件 | 第47页 |
| 4.3.2 AndroidSDK的搭建 | 第47-48页 |
| 4.4 开发所需的OpenCV功能模块 | 第48-49页 |
| 4.5 AndroidOpenCV应用程序设计 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 Android掌纹识别系统设计与实现 | 第51-64页 |
| 5.1 系统实现流程图 | 第51-52页 |
| 5.2 采集注册模块 | 第52-55页 |
| 5.2.1 采集注册功能设计 | 第52-54页 |
| 5.2.2 采集注册功能的实现 | 第54-55页 |
| 5.3 掌纹图像的预处理模块 | 第55-56页 |
| 5.3.1 掌纹图像预处理功能设计 | 第55页 |
| 5.3.2 掌纹图像预处理功能实现 | 第55-56页 |
| 5.4 掌纹图像特征提取模块 | 第56-57页 |
| 5.4.1 掌纹图像特征提取模块设计 | 第56-57页 |
| 5.4.2 掌纹图像特征功能实现 | 第57页 |
| 5.5 掌纹图像特征匹配模块 | 第57-59页 |
| 5.5.1 掌纹图像匹配模块的设计 | 第57-58页 |
| 5.5.2 掌纹图像匹配模块的实现 | 第58-59页 |
| 5.6 Android手机上掌纹识别关键技术实验分析 | 第59-61页 |
| 5.7 本章小结 | 第61-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |