| 摘要 | 第4-7页 |
| ABSTRACT | 第7-11页 |
| 缩略语表 | 第12-16页 |
| 第一章 绪论 | 第16-27页 |
| 1.1 本文的选题目的 | 第16页 |
| 1.2 本文的意义及所要解决的问题 | 第16-17页 |
| 1.3 生物特征识别技术简介 | 第17-22页 |
| 1.3.1 常见人体特征识别技术概述 | 第17-20页 |
| 1.3.2 人体特征识别技术发展趋势 | 第20-22页 |
| 1.4 手掌静脉特征识别技术历史与现状 | 第22-25页 |
| 1.4.1 发展历史 | 第22-23页 |
| 1.4.2 当前研究现状 | 第23-25页 |
| 1.5 本文章节概要与创新点总结 | 第25-27页 |
| 1.5.1 后续章节概要 | 第25-26页 |
| 1.5.2 核心创新点总结 | 第26-27页 |
| 第二章 手掌静脉识别技术系统综述 | 第27-52页 |
| 2.1 手掌静脉识别技术涉及的数学概念 | 第27-32页 |
| 2.1.1 手掌静脉图像的向量表示 | 第27页 |
| 2.1.2 主成分分析PCA | 第27-28页 |
| 2.1.3 线性判别分析LDA | 第28-29页 |
| 2.1.4 Gabor滤波器 | 第29-30页 |
| 2.1.5 稀疏编码 | 第30页 |
| 2.1.6 相似度和距离测度 | 第30-32页 |
| 2.2 手掌静脉识别系统框架及评价体系 | 第32-36页 |
| 2.2.1 手掌静脉识别系统工作原理 | 第32-34页 |
| 2.2.2 手掌静脉识别系统评价指标体系 | 第34-36页 |
| 2.3 手掌静脉原始数据的获取 | 第36-40页 |
| 2.3.1 红外方法获取图像原理 | 第37页 |
| 2.3.2 被动式热红外方法获取图像 | 第37-38页 |
| 2.3.3 主动式近红外方法获取图像 | 第38-40页 |
| 2.4 静脉图像提取与预处理 | 第40-45页 |
| 2.4.1 图像感兴趣区域 | 第40-41页 |
| 2.4.2 最大化ROI分割 | 第41-44页 |
| 2.4.3 不同ROI方法对比 | 第44-45页 |
| 2.5 图像灰度预处理 | 第45-51页 |
| 2.5.1 对比度拉伸 | 第46-47页 |
| 2.5.2 直方图均衡化 | 第47-49页 |
| 2.5.3 对比度受限自适应直方图均衡 | 第49-51页 |
| 2.6 本章总结 | 第51-52页 |
| 第三章 自适应Gabor滤波方法提取手掌静脉特征 | 第52-68页 |
| 3.1 引言 | 第52页 |
| 3.2 Gabor滤波器的理论模型 | 第52-53页 |
| 3.3 自适应Gabor滤波器设计 | 第53-58页 |
| 3.3.1 确定主方向 | 第54-56页 |
| 3.3.2 确定标准方差 | 第56-57页 |
| 3.3.3 确定中心频率 | 第57-58页 |
| 3.4 手掌静脉特征的VeinCode编码 | 第58-59页 |
| 3.5 带有位移校正的模板匹配 | 第59-61页 |
| 3.5.1 位移补偿 | 第59-60页 |
| 3.5.2 最小化标准汉明距离 | 第60-61页 |
| 3.6 实验与分析 | 第61-66页 |
| 3.6.1 自适应Gabor滤波识别能力评估 | 第62-63页 |
| 3.6.2 2D Gabor自适应参数评估 | 第63-64页 |
| 3.6.3 与传统方法的比较与分析 | 第64-65页 |
| 3.6.4 子区域分割策略分析 | 第65页 |
| 3.6.5 算法执行效率比较 | 第65-66页 |
| 3.7 本章总结 | 第66-68页 |
| 第四章 基于相关性分析的多模态生物特征信息融合 | 第68-82页 |
| 4.1 引言 | 第68-69页 |
| 4.2 关联性分析数学模型 | 第69-70页 |
| 4.3 广义多集合相关性判别映射 | 第70-73页 |
| 4.3.1 模态内类内特征映射 | 第71-72页 |
| 4.3.2 模态间的类间特征映射 | 第72页 |
| 4.3.4 MGCDP的相关性分析 | 第72-73页 |
| 4.4 多集合广义相关性区分映射 | 第73-75页 |
| 4.5 实验与分析 | 第75-81页 |
| 4.5.1 实验环境 | 第75页 |
| 4.5.2 单模态多特征生物信息融合 | 第75-78页 |
| 4.5.3 多模态生物信息融合 | 第78-79页 |
| 4.5.4 MGCDP泛化性能测试 | 第79-81页 |
| 4.6 本章总结 | 第81-82页 |
| 第五章 手掌静脉特征的特定方向多尺度稀疏编码 | 第82-97页 |
| 5.1 引言 | 第82-83页 |
| 5.2 特征模型建立 | 第83-88页 |
| 5.2.1 Gabor滤波器组的建立 | 第83-84页 |
| 5.2.2 方向特征选择 | 第84-86页 |
| 5.2.3 稀疏编码 | 第86-88页 |
| 5.3 静脉特征编码与匹配 | 第88-90页 |
| 5.3.1 特征编码 | 第88-90页 |
| 5.3.2 特征匹配 | 第90页 |
| 5.4 实验与分析 | 第90-95页 |
| 5.4.1 实验环境 | 第90-91页 |
| 5.4.2 参数选择 | 第91-92页 |
| 5.4.3 特征匹配 | 第92-94页 |
| 5.4.4 不同算法比较与分析 | 第94-95页 |
| 5.5 本章总结 | 第95-97页 |
| 第六章 基于局部Gabor直方图融合的手掌静脉特征识别 | 第97-115页 |
| 6.1 引言 | 第97-98页 |
| 6.2 FLGH算法流程 | 第98-99页 |
| 6.3 Gabor局部图案直方图 | 第99-104页 |
| 6.3.1 局部Gabor主差异模式方法 | 第99-101页 |
| 6.3.2 局部Gabor异或模式方法 | 第101-102页 |
| 6.3.3 局部Gabor图像直方图 | 第102-104页 |
| 6.4 空域划分Fisher线性判别 | 第104-107页 |
| 6.4.1 FLGH的降维处理 | 第104-105页 |
| 6.4.2 空间域分块FLD方法 | 第105-107页 |
| 6.5 局部Gabor直方图信息融合 | 第107-108页 |
| 6.5.1 特征级融合 | 第107-108页 |
| 6.5.2 决策级融合 | 第108页 |
| 6.6 实验与分析 | 第108-113页 |
| 6.6.1 实验环境 | 第108-109页 |
| 6.6.2 FLGH方法的参数选择 | 第109-110页 |
| 6.6.3 融合策略效果评估 | 第110-111页 |
| 6.6.4 ROC性能评估 | 第111-112页 |
| 6.6.5 不同算法的对比与分析 | 第112-113页 |
| 6.7 本章总结 | 第113-115页 |
| 第七章 基于局部纹理图案的手掌静脉特征识别 | 第115-134页 |
| 7.1 引言 | 第115-116页 |
| 7.2 基于局部数值差异的特征提取 | 第116-121页 |
| 7.2.1 经典LBP算子 | 第116-117页 |
| 7.2.2 旋转不变LBP算子 | 第117-118页 |
| 7.2.3 多尺度MB-LBP算子 | 第118-119页 |
| 7.2.4 中心对称CS-LBP算子 | 第119-120页 |
| 7.2.5 LTP算子 | 第120-121页 |
| 7.3 基于局部导数的特征提取 | 第121-126页 |
| 7.3.1 LDP算子 | 第121-123页 |
| 7.3.2 MB-LDP特征提取 | 第123-125页 |
| 7.3.3 基于PCA的MB-LDP方法 | 第125-126页 |
| 7.4 尺度不变与局部二值图融合算法 | 第126-130页 |
| 7.4.1 SIFT特征提取 | 第126-128页 |
| 7.4.2 SIFT与LBP融合算法 | 第128-130页 |
| 7.5 实验与分析 | 第130-132页 |
| 7.5.1 实验环境 | 第130-131页 |
| 7.5.2 识别率测试 | 第131页 |
| 7.5.3 鲁棒性测试 | 第131-132页 |
| 7.6 本章总结 | 第132-134页 |
| 第八章 总结和展望 | 第134-137页 |
| 8.1 本文工作总结 | 第134-135页 |
| 8.2 今后工作展望 | 第135-137页 |
| 参考文献 | 第137-144页 |
| 致谢 | 第144-145页 |
| 作者攻读学位期间发表的学术论文目录 | 第145页 |