低清晰度掌纹识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-24页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·生物特征识别 | 第11-16页 |
| ·生物识别系统的结构与操作模式 | 第13-14页 |
| ·生物识别系统的性能评估 | 第14-16页 |
| ·掌纹识别技术的发展及国内外研究现状 | 第16-22页 |
| ·算法的研究现状 | 第17-22页 |
| ·系统的研究现状 | 第22页 |
| ·论文的内容安排 | 第22-24页 |
| 第2章 掌纹图像的预处理技术 | 第24-40页 |
| ·掌纹识别过程 | 第24-27页 |
| ·掌纹图像预处理的基本步骤 | 第27-29页 |
| ·中值滤波的改进及灰度变换 | 第29-31页 |
| ·中值滤波的一般方法 | 第29-30页 |
| ·改进型的中值滤波器 | 第30-31页 |
| ·掌纹图像的二值化 | 第31-32页 |
| ·图像的边缘提取 | 第32-33页 |
| ·角点检测及定位分割 | 第33-39页 |
| ·Harris角点检测原理 | 第34-35页 |
| ·Harris角点检测算法的改进 | 第35-37页 |
| ·实验结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 基于PCNN的掌纹图像增强 | 第40-53页 |
| ·各种图像增强技术 | 第40-42页 |
| ·PCNN模型简介 | 第42-47页 |
| ·PCNN的工作原理 | 第44页 |
| ·PCNN的基本特性 | 第44-45页 |
| ·基于PCNN的图像增强 | 第45-47页 |
| ·改进的PCNN用于掌纹增强 | 第47-50页 |
| ·算法改进的思想 | 第47-48页 |
| ·改进后模型的建立 | 第48-49页 |
| ·PCNN模型参数的选择 | 第49-50页 |
| ·实验结果分析 | 第50-52页 |
| ·图像增强结果 | 第50-51页 |
| ·与其它增强方法的比较 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 掌纹图像的特征提取及匹配识别 | 第53-77页 |
| ·掌纹图像不变矩 | 第53-60页 |
| ·图像的不变矩介绍 | 第53-55页 |
| ·掌纹图像不变矩提取 | 第55-58页 |
| ·实验结果分析 | 第58-60页 |
| ·利用支持向量机进行掌纹识别 | 第60-68页 |
| ·最优分类超平面以及最大间隔思想 | 第60-67页 |
| ·模糊支持向量机算法 | 第67-68页 |
| ·支持向量机的训练算法 | 第68-71页 |
| ·各种训练算法总结 | 第68-70页 |
| ·经典的二次规划算法 | 第70-71页 |
| ·SVM的核函数选择 | 第71-72页 |
| ·基于支持向量机的掌纹识别 | 第72-76页 |
| ·模型训练 | 第73-75页 |
| ·识别结果 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间所发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85页 |
