移动环境下掌纹预处理算法的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-19页 |
| 1.2.1 基于二值化的掌纹预处理方法 | 第15-18页 |
| 1.2.2 基于形变模板的掌纹预处理方法 | 第18-19页 |
| 1.3 论文的主要内容 | 第19页 |
| 1.4 本章小结 | 第19-20页 |
| 2 约束局部模型 | 第20-30页 |
| 2.1 形状模型 | 第20-23页 |
| 2.1.1 特征点选择标准 | 第20-21页 |
| 2.1.2 形状的校准 | 第21-22页 |
| 2.1.3 形状建模 | 第22-23页 |
| 2.1.4 形状模型的校验 | 第23页 |
| 2.1.5 投影向量个数的选择 | 第23页 |
| 2.2 局部模型 | 第23-27页 |
| 2.2.1 局部外观提取 | 第24-25页 |
| 2.2.2 基于PCA算法的局部检测器 | 第25-26页 |
| 2.2.3 多分辨率局部搜索框架 | 第26-27页 |
| 2.3 拟合算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于CLM模型的移动环境下掌纹预处理算法 | 第30-36页 |
| 3.1 手掌检测 | 第30-31页 |
| 3.2 谷点粗定位 | 第31-32页 |
| 3.3 关键点定位 | 第32页 |
| 3.4 掌纹ROI定位 | 第32-33页 |
| 3.5 实验结果与分析 | 第33-35页 |
| 3.5.1 移动环境下掌纹数据库的建立 | 第33页 |
| 3.5.2 准确度实验 | 第33-34页 |
| 3.5.3 速度实验 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 基于Haar随机森林的CLM模型 | 第36-44页 |
| 4.1 基础知识介绍 | 第36-38页 |
| 4.1.1 随机森林 | 第36-37页 |
| 4.1.2 类Haar特征 | 第37-38页 |
| 4.2 Haar随机森林投票算法 | 第38-40页 |
| 4.2.1 训练过程 | 第38-39页 |
| 4.2.2 检测过程 | 第39-40页 |
| 4.3 基于Haar随机森林的CLM模型 | 第40-41页 |
| 4.4 实验结果与分析 | 第41-42页 |
| 4.4.1 模型参数 | 第41页 |
| 4.4.2 准确度实验 | 第41-42页 |
| 4.5 本章小结 | 第42-44页 |
| 5 基于核密度估计的CLM模型拟合算法 | 第44-55页 |
| 5.1 传统拟合算法介绍 | 第44-47页 |
| 5.1.1 主动形状模型拟合算法 | 第44-45页 |
| 5.1.2 凸二次函数拟合算法 | 第45-46页 |
| 5.1.3 高斯混合模型拟合算法 | 第46-47页 |
| 5.2 基于核密度估计的CLM模型拟合算法 | 第47-52页 |
| 5.2.1 核密度估计 | 第47-49页 |
| 5.2.2 拟合算法 | 第49-51页 |
| 5.2.3 拟合算法加速 | 第51-52页 |
| 5.3 试验结果与分析 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-56页 |
| 6.1 工作总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第59-61页 |
| 学位论文数据集 | 第61页 |
