| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 前言 | 第8-13页 |
| 1.1 问题的提出和研究意义 | 第8-9页 |
| 1.2 手指静脉识别的研究背景 | 第9-11页 |
| 1.2.1 生物识别技术 | 第9-11页 |
| 1.2.2 手指静脉识别简介 | 第11页 |
| 1.3 本文主要工作及内容安排 | 第11-13页 |
| 2 手指静脉识别技术 | 第13-30页 |
| 2.1 手指静脉识别技术 | 第13页 |
| 2.2 手指静脉识别的原理 | 第13-14页 |
| 2.3 手指静脉识别的流程 | 第14-22页 |
| 2.3.1 图像预处理 | 第14-19页 |
| 2.3.2 特征提取 | 第19-20页 |
| 2.3.3 匹配 | 第20-22页 |
| 2.4 国内外发展现状 | 第22-25页 |
| 2.4.1 国外发展现状 | 第22-24页 |
| 2.4.2 国内发展现状 | 第24-25页 |
| 2.5 手指静脉数据库 | 第25页 |
| 2.6 基于局部特征的手指静脉识别 | 第25-29页 |
| 2.7 本章小结 | 第29-30页 |
| 3 基于差值对称局部图结构的手指静脉识别 | 第30-38页 |
| 3.1 基于差值对称局部图结构的手指静脉识别 | 第30-34页 |
| 3.1.1 差值局部对称图结构 | 第31-34页 |
| 3.1.2 主成分分析法降维 | 第34页 |
| 3.1.3 极限学习机分类与训练 | 第34页 |
| 3.2 实验与分析 | 第34-37页 |
| 3.2.1 实验数据库 | 第34-35页 |
| 3.2.2 最佳分块方式 | 第35页 |
| 3.2.3 与传统算法的比较 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 基于多方向权重优化的对称局部图结构的手指静脉识别 | 第38-46页 |
| 4.1 基于多方向权重优化的对称局部图结构的手指静脉识别 | 第38-43页 |
| 4.1.1 多方向权重优化的对称局部图结构 | 第38-42页 |
| 4.1.2 主成分分析法降维 | 第42页 |
| 4.1.3 极限学习机分类与训练 | 第42-43页 |
| 4.2 实验与分析 | 第43-45页 |
| 4.2.1 数据库 | 第43页 |
| 4.2.2 最佳分块方式 | 第43页 |
| 4.2.3 与传统算法的比较 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 5 基于循环梯度算子的手指静脉识别 | 第46-51页 |
| 5.1 基于循环梯度算子的手指静脉识别 | 第46-48页 |
| 5.1.1 循环梯度算子 | 第47-48页 |
| 5.1.2 主成分分析法降维 | 第48页 |
| 5.1.3 极限学习机分类与训练 | 第48页 |
| 5.2 实验与分析 | 第48-50页 |
| 5.2.1 数据库 | 第48页 |
| 5.2.2 最佳分块方式 | 第48-49页 |
| 5.2.3 与传统算法的比较 | 第49-50页 |
| 5.3 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.1.1 局部特征算子比较 | 第51页 |
| 6.1.2 本文的主要工作 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 7 参考文献 | 第53-58页 |
| 8 攻读硕士学位期间发表论文与科研项目情况 | 第58-59页 |
| 9 致谢 | 第59页 |