掌纹识别技术研究及应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-12页 |
| ·课题研究的背景和意义 | 第7-8页 |
| ·掌纹研究的应用 | 第8-9页 |
| ·掌纹研究的现状 | 第9-10页 |
| ·研究主要内容及思路 | 第10-12页 |
| 2 掌纹识别系统 | 第12-19页 |
| ·掌纹识别系统 | 第12-15页 |
| ·掌纹获取 | 第12-13页 |
| ·预处理 | 第13页 |
| ·特征提取和选择 | 第13-14页 |
| ·分类决策 | 第14-15页 |
| ·模式识别方法 | 第15-19页 |
| ·统计模式识别 | 第16-17页 |
| ·句法模式识别 | 第17页 |
| ·人工神经网络模式识别 | 第17-19页 |
| 3 掌纹图像预处理 | 第19-23页 |
| ·定义和说明 | 第19-20页 |
| ·图像的规一化 | 第20-23页 |
| 4 特征提取 | 第23-38页 |
| ·K-L变换的特征提取方法 | 第23-32页 |
| ·K-L变换简介 | 第23-25页 |
| ·K-L展开式的性质 | 第25-26页 |
| ·K-L坐标系的产生矩阵 | 第26-28页 |
| ·K-L变换矩阵特征值及特征矢量的快速算法 | 第28-29页 |
| ·K-L变换提取掌纹特征 | 第29-32页 |
| ·神经网络的PCA特征提取方法 | 第32-38页 |
| ·单个神经元抽取最大主分量 | 第32-34页 |
| ·单层网络用于抽取一组主分量 | 第34-36页 |
| ·ALA的线性神经网络用于掌纹特征提取 | 第36-38页 |
| 5 分类器设计 | 第38-49页 |
| ·基于最近邻法则的分类器 | 第38-39页 |
| ·基于神经网络的分类器 | 第39-49页 |
| ·多层前馈神经网络的基本原理 | 第39-40页 |
| ·基于BP算法的多层前馈网络模型 | 第40-42页 |
| ·BP学习算法 | 第42-47页 |
| ·基于BP神经网络分类器设计步骤 | 第47-49页 |
| 6 算法实现及实验结果 | 第49-57页 |
| ·算法实现 | 第49-51页 |
| ·K-L变换+最小距离分类器 | 第49-50页 |
| ·K-L变换+NN | 第50页 |
| ·NN+LD | 第50-51页 |
| ·NN+NN | 第51页 |
| ·实验及结果分析 | 第51-57页 |
| ·对不同规模训练样本集的测试 | 第53-54页 |
| ·对残缺样本的测试 | 第54页 |
| ·实验结果分析 | 第54-57页 |
| 7 结论和建议 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
