| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪言 | 第9-23页 |
| 1.1 人体生物特征识别技术 | 第9-10页 |
| 1.2 生物特征识别的基本原理 | 第10-11页 |
| 1.3 生物特征识别发展现状 | 第11-18页 |
| 1.3.1 人脸识别 | 第11-12页 |
| 1.3.2 虹膜识别 | 第12-13页 |
| 1.3.3 指纹识别 | 第13-14页 |
| 1.3.4 指静脉识别 | 第14-15页 |
| 1.3.5 掌纹识别 | 第15-16页 |
| 1.3.6 掌静脉识别 | 第16-18页 |
| 1.4 多特征融合识别技术 | 第18-21页 |
| 1.5 本文的主要研究内容 | 第21-23页 |
| 第二章 单幅近红外手掌图像掌静脉和掌纹结构增强 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 增强掌静脉图像 | 第23-27页 |
| 2.2.1 图像引导滤波算法理论 | 第23-25页 |
| 2.2.2 引导滤波算法增强掌静脉结构特征信息 | 第25-26页 |
| 2.2.3 改进的引导滤波算法增强掌静脉结构图像 | 第26-27页 |
| 2.3 增强掌纹结构图像 | 第27-32页 |
| 2.3.1 分块增强模型 | 第27-29页 |
| 2.3.2 改进的分块增强算法增强掌纹结构图像 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 掌静脉和掌纹单特征识别 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 数据库选择 | 第33-34页 |
| 3.3 特征提取和识别方法 | 第34-36页 |
| 3.4 自引导虑滤正则化参数选择 | 第36-37页 |
| 3.5 近红外手掌图像中掌静脉识别 | 第37-40页 |
| 3.6 近红外手掌图像中掌纹识别 | 第40-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 掌静脉和掌纹多特征融合识别及实验 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 固定权值的掌静脉和掌纹多特征融合识别实验 | 第43-44页 |
| 4.3 掌静脉和掌纹图像的质量评价 | 第44-47页 |
| 4.4 自适应权值掌静脉和掌纹融合识别 | 第47-50页 |
| 4.5 基于图像相似系数的自适应权值的掌静脉和掌纹融合识别实验 | 第50-51页 |
| 4.6 实验对比和实验分析 | 第51-56页 |
| 4.6.1 实验对比 | 第51-52页 |
| 4.6.2 识别速度 | 第52-54页 |
| 4.6.3 实验分析 | 第54-55页 |
| 4.6.4 实验结论 | 第55-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第五章 总结和展望 | 第57-60页 |
| 5.1 本文的主要研究工作及研究成果 | 第57-58页 |
| 5.2 未来研究工作 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附图 | 第64-65页 |
| The Append ed Figures | 第65-66页 |
| 附表 | 第66-67页 |
| The Appended Tables | 第67-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |