| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-26页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 生物识别技术 | 第11-17页 |
| 1.2.1 生物特征识别技术简介 | 第11-13页 |
| 1.2.2 几种典型的生物特征识别技术及其对比 | 第13-17页 |
| 1.3 手指静脉识别技术 | 第17-23页 |
| 1.3.1 手指静脉识别技术的优势 | 第17页 |
| 1.3.2 国内外研究现状 | 第17-21页 |
| 1.3.3 手指静脉识别技术的市场应用及前景 | 第21-23页 |
| 1.4 手指静脉识别系统的总体框架 | 第23-24页 |
| 1.5 本文的主要工作及内容安排 | 第24-26页 |
| 2 手指静脉成像系统设计 | 第26-42页 |
| 2.1 手指静脉成像原理 | 第26页 |
| 2.2 手指静脉成像方式 | 第26-29页 |
| 2.2.1 透射成像 | 第26-27页 |
| 2.2.2 反射成像 | 第27-28页 |
| 2.2.3 侧透成像 | 第28-29页 |
| 2.3 手指静脉成像系统的设计 | 第29-34页 |
| 2.3.1 成像参数的计算 | 第29-30页 |
| 2.3.2 光学元件的选择 | 第30-34页 |
| 2.4 光源亮度自动调节系统的设计 | 第34-39页 |
| 2.4.1 工作原理 | 第35-38页 |
| 2.4.2 实现电路 | 第38-39页 |
| 2.5 手指静脉采集装置的结构设计 | 第39-40页 |
| 2.6 本章小结 | 第40-42页 |
| 3 手指静脉图像的采集与处理 | 第42-63页 |
| 3.1 手指静脉图像的采集 | 第42-43页 |
| 3.2 伪彩色图片与灰度图的转化 | 第43页 |
| 3.3 手指边缘定位 | 第43-46页 |
| 3.3.1 梯度算子 | 第43-44页 |
| 3.3.2 卷积核算子 | 第44-46页 |
| 3.4 手指静脉图像增强 | 第46-47页 |
| 3.5 手指静脉图像分割方法 | 第47-54页 |
| 3.5.1 灰度阈值分割法 | 第48-50页 |
| 3.5.2 区域生长分割法 | 第50-51页 |
| 3.5.3 本文使用的手指静脉分割方法 | 第51-54页 |
| 3.6 手指静脉修补 | 第54-59页 |
| 3.6.1 邻域像素判别法 | 第55-56页 |
| 3.6.2 形态学修补法 | 第56-59页 |
| 3.7 手指静脉细化 | 第59-62页 |
| 3.8 本章小结 | 第62-63页 |
| 4 手指静脉的识别与匹配 | 第63-70页 |
| 4.1 基于Hu不变矩特征识别 | 第63-65页 |
| 4.2 基于Hausdorff距离的模板识别 | 第65-69页 |
| 4.2.1 合成模板的意义 | 第66页 |
| 4.2.2 基于阈值控制的模板合成方法 | 第66-68页 |
| 4.2.3 Hausdorff距离用于手指静脉识别 | 第68-69页 |
| 4.3 本章小结 | 第69-70页 |
| 5 实验结果与分析 | 第70-78页 |
| 5.1 实验环境 | 第70页 |
| 5.2 手指静脉样本的采集 | 第70-72页 |
| 5.3 基于模板匹配的静脉识别算法验证 | 第72-76页 |
| 5.3.1 识别模式下的算法验证 | 第72-73页 |
| 5.3.2 验证模式下的算法验证 | 第73-76页 |
| 5.4 基于Hausdorff距离的模板识别算法的性能评价 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 作者简历 | 第84页 |