| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于人体生物特征识别技术研究现状 | 第9-10页 |
| 1.2.2 基于静脉特征识别技术研究现状 | 第10-12页 |
| 1.3 手背静脉识别技术原理 | 第12-13页 |
| 1.4 论文的主要研究内容及章节安排 | 第13-14页 |
| 第二章 手背静脉识别系统综述 | 第14-26页 |
| 2.1 手背静脉识别系统的总体框架 | 第14页 |
| 2.2 静脉采集系统 | 第14-17页 |
| 2.2.1 光源设计 | 第15-16页 |
| 2.2.2 成像设备 | 第16-17页 |
| 2.2.3 滤光片选择 | 第17页 |
| 2.3 图像预处理 | 第17-20页 |
| 2.3.1 滤波去噪 | 第18-19页 |
| 2.3.2 尺寸的归一化 | 第19页 |
| 2.3.3 灰度的归一化 | 第19-20页 |
| 2.4 特征提取与分类 | 第20-25页 |
| 2.4.1 特征点（端点和交叉点）的提取 | 第21页 |
| 2.4.2 基于不变距的特征提取 | 第21-22页 |
| 2.4.3 局部二值模式（LBP） | 第22-23页 |
| 2.4.4 主成分分析法 | 第23-24页 |
| 2.4.5 基于不同变换域的特征提取 | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 第三章 Gabor变换和HOG算子分析 | 第26-35页 |
| 3.1 Gabor变换 | 第26-29页 |
| 3.1.1 一维Gabor变换 | 第26-27页 |
| 3.1.2 二维Gabor变换 | 第27-29页 |
| 3.2 方向梯度直方图（HOG） | 第29-33页 |
| 3.3 基于k最近邻分类器的分类 | 第33-34页 |
| 3.4 小结 | 第34-35页 |
| 第四章 基于Gabor多方向融合的多尺度HOG特征的手背静脉识别 | 第35-43页 |
| 4.1 图像预处理 | 第35-36页 |
| 4.2 复合特征提取 | 第36-40页 |
| 4.2.1 Gabor多方向融合特征 | 第36-37页 |
| 4.2.2 融合图像的多尺度HOG特征 | 第37-40页 |
| 4.3 实验结果及分析 | 第40-41页 |
| 4.4 小结 | 第41-43页 |
| 第五章 总结与展望 | 第43-44页 |
| 5.1 论文工作总结 | 第43页 |
| 5.2 未来研究展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 发表论文和科研情况说明 | 第47-48页 |
| 致谢 | 第48页 |