手背静脉识别技术研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·生物特征识别技术概述 | 第8-10页 |
| ·静脉识别的基本原理和特点 | 第10-11页 |
| ·本文完成的主要工作和组织结构 | 第11-14页 |
| 第2章 静脉识别技术研究现状 | 第14-24页 |
| ·静脉分布图的获取 | 第14-15页 |
| ·主动获取方式 | 第14-15页 |
| ·被动获取方式 | 第15页 |
| ·主、被动方式的对比 | 第15页 |
| ·静脉识别算法 | 第15-21页 |
| ·预处理 | 第16页 |
| ·滤波增强与静脉纹路分割 | 第16-19页 |
| ·细化及修复 | 第19页 |
| ·特征提取与匹配 | 第19-21页 |
| ·决策 | 第21页 |
| ·系统实现 | 第21-22页 |
| ·研究和发展方向展望 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 数学形态学图像处理 | 第24-28页 |
| ·膨胀与腐蚀 | 第24-26页 |
| ·开操作与闭操作 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 图像的矩特征 | 第28-38页 |
| ·几何矩 | 第28-32页 |
| ·几何矩的定义 | 第28-29页 |
| ·各阶几何矩的含义 | 第29-31页 |
| ·几何不变矩量 | 第31-32页 |
| ·正交矩 | 第32-36页 |
| ·Legendre矩 | 第33页 |
| ·Zernike矩 | 第33-35页 |
| ·Tchebycheff矩 | 第35-36页 |
| ·各种矩的性能对比 | 第36-37页 |
| ·噪声敏感度比较 | 第36-37页 |
| ·矩的图像表示能力比较 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第5章 支持向量机 | 第38-54页 |
| ·机器学习理论基础 | 第38-41页 |
| ·机器学习问题的表示 | 第38-39页 |
| ·经验风险最小化 | 第39-40页 |
| ·复杂性与泛化能力 | 第40-41页 |
| ·统计学习理论基础 | 第41-46页 |
| ·学习过程一致性的条件 | 第41-43页 |
| ·VC维 | 第43-44页 |
| ·泛化能力的界 | 第44页 |
| ·结构风险最小化 | 第44-46页 |
| ·支持向量机基础 | 第46-51页 |
| ·最优分类面 | 第46-48页 |
| ·支持向量机 | 第48-50页 |
| ·核函数 | 第50-51页 |
| ·支持向量机的优点 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第6章 基于不变矩和支持向量机的静脉识别 | 第54-66页 |
| ·静脉分割和平滑细化 | 第54-61页 |
| ·归一化处理 | 第54-55页 |
| ·静脉分割 | 第55-57页 |
| ·静脉的平滑细化 | 第57-59页 |
| ·毛刺修剪 | 第59-61页 |
| ·静脉不变矩特征的提取 | 第61-62页 |
| ·几何不变矩的修正 | 第61页 |
| ·几何不变矩的标准化 | 第61-62页 |
| ·SVM分类器设计 | 第62-63页 |
| ·一对多方式 | 第62页 |
| ·一对一方式 | 第62页 |
| ·M-ary方式 | 第62-63页 |
| ·LIBSVM简介 | 第63页 |
| ·识别结果与分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表及完成的论文 | 第74-76页 |
| 致谢 | 第76-78页 |
