| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪言 | 第9-19页 |
| 1.1 人体生物特征识别技术 | 第9-10页 |
| 1.2 生物特征识别技术的发展现状 | 第10-12页 |
| 1.3 静脉识别技术 | 第12-14页 |
| 1.4 手指静脉识别技术的研究及应用 | 第14-16页 |
| 1.5 本文主要内容研究 | 第16-18页 |
| 1.6 本文章节安排 | 第18-19页 |
| 第二章 手指静脉图像增强、分割和细化算法研究 | 第19-45页 |
| 2.1 引言 | 第19页 |
| 2.2 手指静脉图像采集装置设计 | 第19-23页 |
| 2.2.1 手指静脉图像采集装置设计的关键 | 第19页 |
| 2.2.2 近红外光源的选择 | 第19-20页 |
| 2.2.3 近红外摄像机的选择 | 第20页 |
| 2.2.4 手指静脉图像采集装置结构设计 | 第20-21页 |
| 2.2.5 手指静脉图像采集装置供电设计 | 第21-22页 |
| 2.2.6 手指静脉图像采集装置及采集图片示例 | 第22-23页 |
| 2.3 基于引导图像滤波的手指静脉图像增强 | 第23-28页 |
| 2.3.1 引导图像滤波理论基础 | 第23-24页 |
| 2.3.2 手指静脉图像增强算法 | 第24-28页 |
| 2.4 基于Niblack分割算法的手指静脉图像分割 | 第28-31页 |
| 2.4.1 Niblack分割理论基础 | 第28-29页 |
| 2.4.2 手指静脉图像的Niblack分割 | 第29-30页 |
| 2.4.3 基于Niblcak分割算法的改进 | 第30-31页 |
| 2.5 并行细化算法研究 | 第31-43页 |
| 2.5.1 ZS细化算法 | 第31-33页 |
| 2.5.2 LW进行细化算法 | 第33页 |
| 2.5.3 EPTA细化算法 | 第33-34页 |
| 2.5.4 改进的并行细化算法 | 第34-43页 |
| 2.5.5 几种并行细化算法的手指静脉图像细化实验比较 | 第43页 |
| 2.6 本章小结 | 第43-45页 |
| 第三章 手指静脉图像特征提取和识别方法 | 第45-58页 |
| 3.1 引言 | 第45页 |
| 3.2 基于小波分解特征提取方法 | 第45-47页 |
| 3.3 基于手指静脉几何特征的特征提取方法 | 第47-48页 |
| 3.3.1 常用的几何特征提取方法 | 第47页 |
| 3.3.2 基于手指静脉多像素骨架结构的特征提取方法 | 第47-48页 |
| 3.4 实验样本库的选择 | 第48-49页 |
| 3.5 基于小波特征提取的手指静脉识别实验 | 第49-52页 |
| 3.5.1 基于小波特征提取方法的分类器设计 | 第49-50页 |
| 3.5.2 基于小波特征提取方法的识别实验和实验分析 | 第50-52页 |
| 3.6 基于多像素骨架结构特征提取的手指静脉识别实验 | 第52-55页 |
| 3.6.1 基于多像素骨架结构特征提取方法的分类器设计 | 第52-53页 |
| 3.6.2 基于多像素骨架结构特征提取方法的识别实验和实验分析 | 第53-55页 |
| 3.7 实验对比分析 | 第55-57页 |
| 3.8 本章小结 | 第57-58页 |
| 第四章 总结与展望 | 第58-60页 |
| 4.1 本文主要研究工作及成果 | 第58-59页 |
| 4.2 进一步研究工作 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在校攻读硕士学位期间发表的论文 | 第64页 |
