| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 掌纹识别技术的研究现状 | 第10-12页 |
| 1.3 掌纹识别的系统概述与优势 | 第12-14页 |
| 1.3.1 掌纹识别系统概述 | 第12-13页 |
| 1.3.2 掌纹识别的优势 | 第13-14页 |
| 1.4 本文的主要内容及结构安排 | 第14-17页 |
| 第2章 掌纹图像数据库介绍及图像预处理 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 掌纹图像数据库 | 第17-18页 |
| 2.3 掌纹图像的预处理 | 第18-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 基于ULBP特征和协同表示的掌纹识别算法 | 第23-37页 |
| 3.1 引言 | 第23-24页 |
| 3.2 LBP算子的理论介绍 | 第24-26页 |
| 3.2.1 LBP算子 | 第24-25页 |
| 3.2.2 均匀模式LBP | 第25-26页 |
| 3.3 基于协同表示的分类器 | 第26-31页 |
| 3.3.1 基于稀疏表示的分类器 | 第26-29页 |
| 3.3.2 基于协同表示的分类器 | 第29-31页 |
| 3.4 提出基于ULBP和协同表示的掌纹识别算法 | 第31-33页 |
| 3.5 实验结果及讨论 | 第33-34页 |
| 3.6 本章小结 | 第34-37页 |
| 第4章 基于LDP特征和概率神经网络的掌纹识别算法 | 第37-51页 |
| 4.1 引言 | 第37页 |
| 4.2 LDP算子的理论介绍 | 第37-40页 |
| 4.3 基于径向基函数神经网络的模式识别 | 第40-42页 |
| 4.3.1 径向基函数神经网络的发展 | 第40-41页 |
| 4.3.2 径向基神经网络的网络模型 | 第41-42页 |
| 4.4 基于概率神经网络的模式识别 | 第42-46页 |
| 4.4.1 贝叶斯分类规则与模式识别 | 第43-44页 |
| 4.4.2 概率神经网络的结构 | 第44-46页 |
| 4.5 提出基于LDP和概率神经网络的掌纹识别算法 | 第46-48页 |
| 4.6 实验结果及讨论 | 第48-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 全文总结 | 第51页 |
| 5.2 未来展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间的研究成果 | 第61页 |