| 中文摘要 | 第5-6页 |
| 英文摘要 | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 掌纹识别的研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文的研究内容以及章节安排 | 第15-18页 |
| 1.3.1 本文的研究内容 | 第15-16页 |
| 1.3.2 本文的章节安排 | 第16-18页 |
| 2 掌纹识别相关理论 | 第18-29页 |
| 2.1 掌纹识别的基本流程 | 第18-20页 |
| 2.2 掌纹数据库 | 第20页 |
| 2.3 掌纹图像预处理 | 第20-25页 |
| 2.3.1 轮廓跟踪 | 第21-23页 |
| 2.3.2 角点检测 | 第23-24页 |
| 2.3.3 图像的定位与分割 | 第24-25页 |
| 2.4 掌纹图像的特征提取 | 第25-26页 |
| 2.4.1 基于统计的特征提取 | 第25-26页 |
| 2.4.2 基于子空间的特征提取 | 第26页 |
| 2.4.3 基于时频分析的特征提取 | 第26页 |
| 2.5 特征匹配算法介绍 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于SIFT特征点与梯度直方图特征的掌纹识别算法 | 第29-44页 |
| 3.1 掌纹图像的预处理 | 第29-30页 |
| 3.2 尺度不变特征变换算法 | 第30-36页 |
| 3.2.1 尺度不变特征变换基本思想 | 第30页 |
| 3.2.2 尺度不变特征变换实现步骤 | 第30-36页 |
| 3.3 梯度直方图特征算法 | 第36-39页 |
| 3.3.1 梯度直方图特征基本思想 | 第36-37页 |
| 3.3.2 梯度直方图特征实现步骤 | 第37-39页 |
| 3.4 基于SIFT特征点与HOG的掌纹识别算法实现 | 第39-40页 |
| 3.5 实验结果与实验分析 | 第40-43页 |
| 3.5.1 实验数据与测试环境 | 第40页 |
| 3.5.2 掌纹图像的预处理 | 第40-41页 |
| 3.5.3 实验结果与分析 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于SIFT特征点检测的LBP掌纹识别算法 | 第44-54页 |
| 4.1 局部二值模式算法 | 第44-48页 |
| 4.1.1 局部二值模式基本思想 | 第44-46页 |
| 4.1.2 局部二值模式的特征 | 第46-48页 |
| 4.2 基于SIFT特征点检测的LBP掌纹识别算法实现 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-53页 |
| 4.3.1 实验数据与测试环境 | 第49-51页 |
| 4.3.2 算法的相关参数测试 | 第51页 |
| 4.3.3 实验结果与分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 结论与工作展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录A：作者攻读硕士学位期间发表论文及科研情况 | 第60-61页 |
| 致谢 | 第61页 |
