| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 论文的研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 静脉识别系统产品研究现状 | 第14-16页 |
| 1.2.2 静脉识别算法研究现状 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 本文的组织 | 第18-19页 |
| 第2章 图像预处理基础知识 | 第19-27页 |
| 2.1 手指静脉图像的获取 | 第19-20页 |
| 2.2 感兴趣区域的提取 | 第20-22页 |
| 2.3 图像的归一化 | 第22-24页 |
| 2.4 图像的滤波与去噪 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于小波变换的图像处理 | 第27-40页 |
| 3.1 小波变换基础 | 第27-34页 |
| 3.1.1 连续小波变换 | 第27-28页 |
| 3.1.2 离散小波变换 | 第28-29页 |
| 3.1.3 小波基函数 | 第29-32页 |
| 3.1.4 小波基函数的选择原则 | 第32-34页 |
| 3.2 多分辨分析与Mallat算法 | 第34-36页 |
| 3.2.1 多分辨分析 | 第34页 |
| 3.2.2 Mallat算法 | 第34-36页 |
| 3.3 基于小波变换的静脉图像处理 | 第36-39页 |
| 3.3.1 小波基函数的选择 | 第36-37页 |
| 3.3.2 小波分解层数的确定 | 第37-38页 |
| 3.3.3 小波分解子图的确定 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于小波变换和子空间的特征提取算法 | 第40-57页 |
| 4.1 基于加权小波变换和成分分析特征融合算法 | 第40-48页 |
| 4.1.1 组合主成分分析和线性成分分析算法描述 | 第40-43页 |
| 4.1.2 小波变换权值的设计 | 第43-44页 |
| 4.1.3 加权小波变换和成分分析特征融合算法的实现 | 第44-46页 |
| 4.1.4 算法的实验结果及分析 | 第46-48页 |
| 4.2 基于加权小波变换与成分分析的决策融合算法 | 第48-51页 |
| 4.2.1 决策级融合 | 第48-49页 |
| 4.2.2 加权小波变换与成分分析的决策融合算法实现 | 第49-50页 |
| 4.2.3 算法的实验结果及分析 | 第50-51页 |
| 4.3 基于加权小波变换与核成分分析的特征融合算法 | 第51-56页 |
| 4.3.1 核主成分分析和线性成分分析算法描述 | 第51-53页 |
| 4.3.2 加权小波变换与核成分分析的特征融合算法实现 | 第53-54页 |
| 4.3.3 算法的实验结果及分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
