摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 研究背景与意义 | 第11-13页 |
1.2 国内外研究基础 | 第13-17页 |
1.2.1 在图像采集方面 | 第13-15页 |
1.2.2 手指静脉的识别算法方面 | 第15-17页 |
1.3 目前面临的一些问题 | 第17-18页 |
1.4 本文的研究内容与组织结构 | 第18-19页 |
第二章 超薄装置指静脉识别系统的流程与关键技术 | 第19-28页 |
2.1 超薄装置手指静脉识别系统的主要流程 | 第19-25页 |
2.1.1 静脉成像原理 | 第20页 |
2.1.2 多镜头手指静脉图像采集设备 | 第20-24页 |
2.1.3 静脉图像拼接流程 | 第24页 |
2.1.4 拼接之后的图像预处理流程 | 第24-25页 |
2.1.5 图像的特征提取与匹配识别过程 | 第25页 |
2.2 超薄装置手指静脉识别系统的关键问题 | 第25-27页 |
2.2.1 手指静脉系统中的图像拼接问题 | 第25-27页 |
2.2.2 拼接之后的识别问题 | 第27页 |
2.3 本章小结 | 第27-28页 |
第三章 基于超薄装置手指静脉图像序列的图像拼接 | 第28-41页 |
3.1 手指静脉图像序列拼接分析与流程 | 第28-31页 |
3.1.1 手指静脉图像序列拼接分析 | 第28-29页 |
3.1.2 基于模板匹配算法的重叠区域确定 | 第29-30页 |
3.1.3 拼接之后的图像融合 | 第30页 |
3.1.4 静脉序列的图像拼接算法流程 | 第30-31页 |
3.2 静脉序列的预处理 | 第31-34页 |
3.2.1 静脉图像序列中的光照问题 | 第31-32页 |
3.2.2 图像的滤波 | 第32-34页 |
3.3 确定静脉序列图像的重叠区域 | 第34-36页 |
3.4 静脉图像的拼接过程 | 第36-38页 |
3.5 静脉图像融合 | 第38-40页 |
3.5.1 手指静脉融合图像算法 | 第38-40页 |
3.5.2 加权融合算法效果 | 第40页 |
3.6 本章小结 | 第40-41页 |
第四章 拼接之后图像预处理 | 第41-51页 |
4.1 图像ROI提取 | 第41-47页 |
4.1.1 提取图像的上下边缘 | 第42页 |
4.1.2 Roberts算子,Sobel算子,Canny算子 | 第42-45页 |
4.1.3 采样中间部位的上下边缘与直线角度拟合 | 第45-46页 |
4.1.4 图像旋转 | 第46-47页 |
4.1.5 感兴趣区域 | 第47页 |
4.2 图像去噪 | 第47页 |
4.3 手指图像的归一化 | 第47-50页 |
4.3.1 图像的尺度归一化 | 第47-49页 |
4.3.2 图像的灰度归一化 | 第49页 |
4.3.3 图像增强 | 第49-50页 |
4.4 本章小结 | 第50-51页 |
第五章 静脉图像的特征提取与识别 | 第51-68页 |
5.1 传统手指静脉特征提取方法 | 第51-55页 |
5.1.1 基于重复线性跟踪算法的特征提取方法 | 第51-53页 |
5.1.2 局部最大曲率点法 | 第53-55页 |
5.1.3 根据静脉的图像特征点方法进行特征提取 | 第55页 |
5.2 基于多阈值LBP的特征提取算法 | 第55-63页 |
5.2.1 LBP原理概述 | 第56-60页 |
5.2.2 多阈值的LBP静脉特征提取方法 | 第60-62页 |
5.2.3 静脉特征的相似性度量 | 第62-63页 |
5.3 本课题静脉识别算法的流程 | 第63-67页 |
5.3.1 分块LBP特征提取中图像的块个数选取 | 第65-66页 |
5.3.2 多阈值LBP特征提取的阈值的选取 | 第66-67页 |
5.4 本章小结 | 第67-68页 |
第六章 实验结果分析 | 第68-76页 |
6.1 生物识别系统评价 | 第68-69页 |
6.2 系统的拼接算法实验效果 | 第69-70页 |
6.3 基于多阈值LBP特征提取与识别算法实验分析 | 第70-74页 |
6.3.1 多阈值LBP特征提取权值的确定 | 第70-71页 |
6.3.2 识别算法的有效性 | 第71-74页 |
6.4 本章小结 | 第74-76页 |
总结与展望 | 第76-78页 |
参考文献 | 第78-82页 |
攻读硕士学位期间取得的研究成果 | 第82-83页 |
致谢 | 第83-84页 |
附件 | 第84页 |