| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 生物特征识别技术概述 | 第9-12页 |
| 1.3 掌纹识别技术 | 第12-13页 |
| 1.4 掌纹识别技术的优势 | 第13页 |
| 1.5 掌纹识别技术研究现状 | 第13-14页 |
| 1.6 论文结构安排 | 第14-15页 |
| 1.7 本章小结 | 第15-16页 |
| 2 掌纹识别理论 | 第16-29页 |
| 2.1 掌纹识别的基本步骤 | 第16页 |
| 2.2 掌纹数据的获取 | 第16-19页 |
| 2.2.1 掌纹图像的采集 | 第16-18页 |
| 2.2.2 掌纹图像的预处理 | 第18-19页 |
| 2.3 掌纹特征提取方法 | 第19-26页 |
| 2.3.1 基于结构的特征提取方法 | 第19-20页 |
| 2.3.2 基于统计的特征提取方法 | 第20页 |
| 2.3.3 基于子空间的特征提取方法 | 第20-22页 |
| 2.3.4 基于空域一频域的特征提取方法 | 第22-23页 |
| 2.3.5 基于编码的特征提取方法 | 第23-24页 |
| 2.3.6 基于模板的特征提取方法 | 第24页 |
| 2.3.7 基于机器学习的特征提取方法 | 第24-25页 |
| 2.3.8 掌纹特征提取算法的对比分析 | 第25-26页 |
| 2.4 掌纹特征匹配算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于分区的分块二值模式与梯度方向直方图特征的掌纹识别 | 第29-41页 |
| 3.1 局部二值模式 | 第29-34页 |
| 3.1.1 基本LBP | 第30-31页 |
| 3.1.2 圆形邻域的LBP算子 | 第31-32页 |
| 3.1.3 统一化LBP算子 | 第32页 |
| 3.1.4 分块LBP | 第32-33页 |
| 3.1.5 分区LBP | 第33-34页 |
| 3.2 梯度方向直方图特征 | 第34-36页 |
| 3.3 本章算法实现 | 第36-37页 |
| 3.4 实验结果及分析 | 第37-40页 |
| 3.4.1 北京交通大学掌纹数据库 | 第37-38页 |
| 3.4.2 实验一 分块大小的比较 | 第38页 |
| 3.4.3 实验二 不同距离方法识别率的对比 | 第38-39页 |
| 3.4.4 实验三 不同方法识别率的对比 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于压缩感知与梯度方向直方图特征的掌纹识别 | 第41-52页 |
| 4.1 压缩感知介绍 | 第41-45页 |
| 4.1.1 理论框架 | 第42-43页 |
| 4.1.2 稀疏表示 | 第43-44页 |
| 4.1.3 压缩感知重构算法 | 第44-45页 |
| 4.2 基于压缩感知的掌纹识别研究 | 第45-48页 |
| 4.2.1 基于稀疏表示掌纹识别算法的可行性分析 | 第45-46页 |
| 4.2.2 掌纹算法的稀疏表示 | 第46页 |
| 4.2.3 基于HOG和压缩感知的掌纹识别 | 第46-48页 |
| 4.3 实验结果与分析 | 第48-51页 |
| 4.3.1 实验1 不同特征提取方法识别率的比较 | 第48-49页 |
| 4.3.2 实验2 不同类别数的比较 | 第49-50页 |
| 4.3.3 实验3 不同分类方法的比较 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-53页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简介 | 第58页 |