手指静脉识别技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题研究的背景、目的和意义 | 第11-15页 |
| ·几种典型的生物特征识别技术 | 第11-13页 |
| ·生物特征识别技术的发展方向和市场前景 | 第13-15页 |
| ·手指静脉识别技术的优点 | 第15页 |
| ·国内外的研究现状及进展 | 第15-19页 |
| ·手指静脉识别系统的总体框架 | 第19-20页 |
| ·本文的主要工作及内容安排 | 第20-21页 |
| 第2章 手指静脉图像的获取 | 第21-29页 |
| ·手指静脉的成像原理 | 第21-22页 |
| ·光源的选择 | 第22-24页 |
| ·摄像装置及辅助器件 | 第24-27页 |
| ·成像设备的选择 | 第24-26页 |
| ·滤光片的选择 | 第26-27页 |
| ·采集装置的实现及图像的采集 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 静脉图像中的图像处理技术 | 第29-41页 |
| ·彩色位图与灰度图像的转化 | 第29-30页 |
| ·手指区域的定位 | 第30-33页 |
| ·静脉图像的增强 | 第33-35页 |
| ·图像的滤波 | 第33-35页 |
| ·图像分割 | 第35-38页 |
| ·图像分割概述 | 第35-37页 |
| ·分割算法的性能评价 | 第37页 |
| ·本文的静脉血管提取算法 | 第37-38页 |
| ·分割后的去噪处理 | 第38-40页 |
| ·手指区域的切割与手指宽度的标准化 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 特征提取与匹配识别 | 第41-84页 |
| ·模式识别方法 | 第41-46页 |
| ·模式识别的基本概念 | 第41-42页 |
| ·特征的选择与提取 | 第42页 |
| ·模式分类器 | 第42-46页 |
| ·基于模板的特征提取与识别 | 第46-49页 |
| ·基于分块的矩特征的提取与识别 | 第49-58页 |
| ·图像的矩特征 | 第49-53页 |
| ·分块的矩特征的提取 | 第53-56页 |
| ·匹配与识别 | 第56-58页 |
| ·基于小波分解的特征提取与识别 | 第58-74页 |
| ·小波简介 | 第58-59页 |
| ·小波变换基础 | 第59-61页 |
| ·多分辨分析与Mallat算法 | 第61-68页 |
| ·小波矩的构造 | 第68-71页 |
| ·基于小波矩的静脉识别算法的实现 | 第71-74页 |
| ·PCA的特征提取与识别 | 第74-76页 |
| ·主成分分析(PCA)简介 | 第74页 |
| ·PCA的基本原理 | 第74-76页 |
| ·融合PCA和小波矩的手指静脉识别的实现 | 第76-81页 |
| ·转换矩阵的求取 | 第77-79页 |
| ·特征抽取 | 第79页 |
| ·分类识别 | 第79-81页 |
| ·LDA分类 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第5章 实验结果讨论与分析 | 第84-90页 |
| ·基于模板匹配的实验结果与分析 | 第84-86页 |
| ·基于矩特征的实验结果与分析 | 第86-87页 |
| ·基于小波分解的实验结果与分析 | 第87-88页 |
| ·基于小波矩融合PCA和LDA的实验结果与分析 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 结论 | 第90-91页 |
| 参考文献 | 第91-96页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第96-97页 |
| 致谢 | 第97页 |
