| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-16页 |
| 1.1.1 手掌静脉识别 | 第10-13页 |
| 1.1.2 手掌静脉图像增强 | 第13-16页 |
| 1.2 静脉图像增强方法研究现状 | 第16-18页 |
| 1.3 研究内容及论文框架 | 第18-20页 |
| 第二章 相关理论基础 | 第20-27页 |
| 2.1 双三次插值 | 第20-21页 |
| 2.2 自适应直方图均衡化 | 第21页 |
| 2.3 深度学习网络 | 第21-25页 |
| 2.4 评价标准 | 第25-27页 |
| 第三章 基于图像融合的手掌静脉图像增强方法 | 第27-52页 |
| 3.1 引言 | 第27页 |
| 3.2 手掌静脉图像去背景增强 | 第27-30页 |
| 3.2.1 手掌静脉图像去背景 | 第28-29页 |
| 3.2.2 手掌静脉图像增强 | 第29-30页 |
| 3.3 掌纹特征提取 | 第30-33页 |
| 3.3.1 构建掌纹提取滤波器 | 第30-31页 |
| 3.3.2 提取掌纹特征 | 第31-33页 |
| 3.4 图像加权融合 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-50页 |
| 3.5.1 图像融合参数的选择 | 第36-38页 |
| 3.5.2 增强方法的定性比较 | 第38-39页 |
| 3.5.3 增强方法在不同的识别系统中的应用比较 | 第39-50页 |
| 3.6 小结 | 第50-52页 |
| 第四章 基于深度学习的手掌静脉图像增强方法 | 第52-65页 |
| 4.1 引言 | 第52-53页 |
| 4.2 条件生成对抗网络 | 第53-54页 |
| 4.3 条件生成对抗网络在手掌静脉图像增强中的应用 | 第54-57页 |
| 4.4 实验结果与分析 | 第57-63页 |
| 4.4.1 损失函数的选择 | 第57-59页 |
| 4.4.2 最后一层特征图像尺寸的选择 | 第59-60页 |
| 4.4.3 Dropout的选择 | 第60-61页 |
| 4.4.4 基于图像融合的方法与基于深度学习的方法的比较 | 第61-63页 |
| 4.5 小结 | 第63-65页 |
| 第五章 工作总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65页 |
| 5.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-75页 |
| 攻读硕士学位期间成果 | 第75-76页 |
| 致谢 | 第76-77页 |