| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 掌纹识别技术概述 | 第13-19页 |
| 1.2.1 掌纹研究的历史 | 第14页 |
| 1.2.2 掌纹识别技术特点 | 第14页 |
| 1.2.3 掌纹识别的研究现状 | 第14-19页 |
| 1.2.4 掌纹识别技术应用 | 第19页 |
| 1.3 系统框图 | 第19-20页 |
| 1.4 评价标准 | 第20-21页 |
| 1.5 论文的研究内容和章节安排 | 第21-23页 |
| 第2章 掌纹图像的获取及预处理技术 | 第23-39页 |
| 2.1 引言 | 第23页 |
| 2.2 掌纹的采集设备及所采用的数据库 | 第23-24页 |
| 2.3 掌纹图像的预处理 | 第24-34页 |
| 2.3.1 灰度化与二值化 | 第24-25页 |
| 2.3.2 轮廓提取 | 第25-28页 |
| 2.3.3 掌纹定位分割 | 第28-32页 |
| 2.3.3.1 基于算子的检测方法 | 第28-29页 |
| 2.3.3.2 一种新的基于定点来定位分割手掌图像的算法 | 第29-32页 |
| 2.3.4 实验结果 | 第32-34页 |
| 2.4 图像增强 | 第34-37页 |
| 2.4.1 微分法 | 第34-36页 |
| 2.4.2 反锐化掩模法 | 第36-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第3章 特征提取算法 | 第39-51页 |
| 3.1 引言 | 第39页 |
| 3.2 HOG特征 | 第39-42页 |
| 3.2.1 梯度的计算 | 第40-41页 |
| 3.2.2 梯度方向统计 | 第41-42页 |
| 3.2.3 梯度方向加权投票 | 第42页 |
| 3.2.4 块中特征归一化并生成向量 | 第42页 |
| 3.3 基于分块的梯度方向直方图 | 第42-46页 |
| 3.3.1 提取方向梯度直方图特征 | 第42-44页 |
| 3.3.2 方向校正 | 第44页 |
| 3.3.3 基于BHOG算法的梯度方向加权投票 | 第44页 |
| 3.3.4 主导方向 | 第44-46页 |
| 3.3.5 特征编码 | 第46页 |
| 3.4 实验结果与分析 | 第46-49页 |
| 3.5 总结 | 第49-51页 |
| 第4章 掌纹识别方法 | 第51-59页 |
| 4.1 引言 | 第51页 |
| 4.2 基于汉明距离的匹配识别方法 | 第51-54页 |
| 4.3 识别过程中参数的确定 | 第54-56页 |
| 4.3.1 特征提取过程参数的选取 | 第54-56页 |
| 4.3.2 分割阈值的选取 | 第56页 |
| 4.4 基于旋转不变方法的分析 | 第56-57页 |
| 4.5 本文算法与传统算法的比较 | 第57-58页 |
| 4.6 总结 | 第58-59页 |
| 第5章 掌纹识别系统的设计 | 第59-65页 |
| 5.1 引言 | 第59页 |
| 5.2 GUI平台 | 第59-60页 |
| 5.2.1 界面设计的原则 | 第59-60页 |
| 5.2.2 程序设计 | 第60页 |
| 5.3 搭建界面 | 第60-62页 |
| 5.4 各模块软件实现 | 第62-63页 |
| 5.4.1 图像的读取与存储 | 第62-63页 |
| 5.4.2 图像的处理模块 | 第63页 |
| 5.5 总结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 引言 | 第65页 |
| 6.2 本文的主要工作 | 第65-66页 |
| 6.3 进一步展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简介及科研成果 | 第71-73页 |
| 致谢 | 第73页 |