| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 生物特征识别技术 | 第10-14页 |
| 1.2.1 生物特征识别技术简介 | 第10-11页 |
| 1.2.2 几种典型生物特征识别技术的发展和对比 | 第11-14页 |
| 1.3 手指静脉识别技术 | 第14-16页 |
| 1.3.1 手指静脉识别原理及优势 | 第14页 |
| 1.3.2 国内外研究现状 | 第14-15页 |
| 1.3.3 手指静脉识别技术的应用场景和未来趋势 | 第15-16页 |
| 1.4 手指静脉识别算法总体流程 | 第16页 |
| 1.5 本文的主要工作及内容安排 | 第16-18页 |
| 第2章 手指静脉图像采集与处理 | 第18-39页 |
| 2.1 手指静脉图像的采集 | 第18-21页 |
| 2.1.1 改进的手指静脉采集装置模型 | 第18-19页 |
| 2.1.2 基于区域划分的可调节光源算法 | 第19-21页 |
| 2.2 手指静脉图像特征分析 | 第21-22页 |
| 2.3 基于潜在像素点的边缘检测算法 | 第22-31页 |
| 2.3.1 寻找潜在的边缘像素点 | 第22-25页 |
| 2.3.2 确定上下边缘的标准像素点集 | 第25-26页 |
| 2.3.3 细化上下边缘线 | 第26-27页 |
| 2.3.4 扩展已有的边缘轮廓 | 第27-29页 |
| 2.3.5 手指静脉图像分割 | 第29页 |
| 2.3.6 实验结果 | 第29-31页 |
| 2.4 手指静脉图像感兴趣区域提取 | 第31-38页 |
| 2.4.1 图像倾斜检测与校正 | 第31-32页 |
| 2.4.2 手指关节基线检测 | 第32-34页 |
| 2.4.3 ROI定位与提取 | 第34-35页 |
| 2.4.4 尺度与灰度归一化 | 第35-37页 |
| 2.4.5 实验结果 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于局部宏观结构和微观特征融合的手指静脉识别算法 | 第39-56页 |
| 3.1 LBP算子及其改进算子 | 第39-44页 |
| 3.1.1 标准LBP算子 | 第39-40页 |
| 3.1.2 归一化LBP算子 | 第40-41页 |
| 3.1.3 旋转不变LBP算子 | 第41-42页 |
| 3.1.4 旋转不变归一化LBP算子 | 第42页 |
| 3.1.5 MB-LBP算子 | 第42-43页 |
| 3.1.6 CS-LBP算子 | 第43-44页 |
| 3.2 LMMF-LBP算子 | 第44-45页 |
| 3.3 基于LMMF-WPLBP的手指静脉识别算法 | 第45-49页 |
| 3.3.1 基于分块的LMMF-LBP算法 | 第45-47页 |
| 3.3.2 基于加权的LMMF-PLBP算法 | 第47-49页 |
| 3.3.3 LMMF-WPLBP直方图用于手指静脉识别 | 第49页 |
| 3.4 实验结果与分析 | 第49-55页 |
| 3.4.1 实验环境 | 第49页 |
| 3.4.2 基于LMMF-WPLBP编码的手指静脉识别算法的验证 | 第49-53页 |
| 3.4.3 基于LMMF-WPLBP编码的手指静脉识别算法的性能评价 | 第53-55页 |
| 3.5 本章小节 | 第55-56页 |
| 第4章 总结与展望 | 第56-58页 |
| 4.1 总结 | 第56-57页 |
| 4.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
