| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第9-11页 |
| 1.1 研究的背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究的主要内容 | 第10页 |
| 1.4 论文结构安排 | 第10-11页 |
| 第二章 手掌静脉识别技术概述 | 第11-15页 |
| 2.1 产生背景 | 第11页 |
| 2.2 技术简介 | 第11-12页 |
| 2.3 成像原理 | 第12页 |
| 2.4 技术特征 | 第12-13页 |
| 2.5 技术优缺点 | 第13页 |
| 2.6 发展趋势 | 第13页 |
| 2.7 本章小结 | 第13-15页 |
| 第三章 图像预处理 | 第15-21页 |
| 3.1 建立图库 | 第15页 |
| 3.2 背景分离 | 第15-17页 |
| 3.2.1 边缘检测 | 第15-16页 |
| 3.2.2 边缘检测算子 | 第16-17页 |
| 3.3 图像二值化 | 第17页 |
| 3.4 Niblack算法 | 第17-18页 |
| 3.5 平滑滤波 | 第18-19页 |
| 3.5.1 滤波原因 | 第18页 |
| 3.5.2 滤波方法 | 第18-19页 |
| 3.5.3 非线性滤波 | 第19页 |
| 3.6 预处理效果 | 第19页 |
| 3.7 本章总结 | 第19-21页 |
| 第四章 ROI提取 | 第21-29页 |
| 4.1 ROI提取 | 第21-22页 |
| 4.1.1 ROI提取的意义 | 第21页 |
| 4.1.2 ROI提取的常用方法 | 第21-22页 |
| 4.2 改进的最大内切圆算法 | 第22-25页 |
| 4.2.1 算法改进的原因 | 第22-23页 |
| 4.2.2 改进算法的方式 | 第23-25页 |
| 4.3 算法改进效果 | 第25-27页 |
| 4.3.1 ROI提取对比 | 第25页 |
| 4.3.2 算法执行效率对比 | 第25-27页 |
| 4.4 本章总结 | 第27-29页 |
| 第五章 特征提取 | 第29-41页 |
| 5.1 特征提取常用方法 | 第29-32页 |
| 5.1.1 颜色特征提取 | 第29-30页 |
| 5.1.2 形状特征提取 | 第30-31页 |
| 5.1.3 空间特征提取 | 第31页 |
| 5.1.4 纹理特征提取 | 第31-32页 |
| 5.2 基于纹理特征的手掌静脉图像特征提取 | 第32-38页 |
| 5.2.1 Gabor纹理特征提取 | 第32-34页 |
| 5.2.2 LBP特征提取 | 第34-35页 |
| 5.2.3 常见的LBP算子 | 第35-36页 |
| 5.2.4 LBP算法的改进 | 第36-38页 |
| 5.2.5 基于Gabor与LBP算法结合的特征提取 | 第38页 |
| 5.3 算法执行效率对比 | 第38-40页 |
| 5.4 本章总结 | 第40-41页 |
| 第六章 手掌图像特征匹配 | 第41-49页 |
| 6.1 三种经典的特征匹配算法 | 第41-43页 |
| 6.1.1 SIFT算法 | 第41-42页 |
| 6.1.2 LDA算法 | 第42-43页 |
| 6.1.3 PCA算法 | 第43页 |
| 6.2 手掌静脉特征匹配实验 | 第43-46页 |
| 6.2.1 类内类间匹配 | 第43-44页 |
| 6.2.2 清晰度与丰富度 | 第44-45页 |
| 6.2.3 其它参数对比 | 第45-46页 |
| 6.3 本章总结 | 第46-49页 |
| 第七章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 研究生期间发表论文及参加科研情况说明 | 第55-57页 |
| 致谢 | 第57页 |