基于手背静脉的身份识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 手背静脉识别的国外研究现状 | 第12-13页 |
| 1.2.2 手背静脉识别的国内研究现状 | 第13页 |
| 1.3 手背静脉识别技术的原理与系统框架 | 第13-14页 |
| 1.4 本课题所研究的主要内容 | 第14-16页 |
| 第2章 手背静脉图像的采集 | 第16-24页 |
| 2.1 手背静脉图像采集系统 | 第16-17页 |
| 2.2 手背静脉采集系统各模块的选取 | 第17-22页 |
| 2.2.1 图像传感器的选择 | 第17-18页 |
| 2.2.2 光源的选择 | 第18-21页 |
| 2.2.3 手背放置的矩形框架与挡光板 | 第21-22页 |
| 2.3 手背静脉图像的采集过程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 手背静脉图像的预处理 | 第24-43页 |
| 3.1 手背位置的矫正 | 第24-26页 |
| 3.2 图像噪声的抑制 | 第26-29页 |
| 3.3 有效区域的提取 | 第29页 |
| 3.4 图像大小及灰度归一化 | 第29-32页 |
| 3.4.1 图像大小归一化 | 第29-30页 |
| 3.4.2 图像灰度归一化 | 第30-32页 |
| 3.5 手背静脉图像的增强 | 第32-34页 |
| 3.6 手背静脉图像的分割 | 第34-39页 |
| 3.6.1 基于全局阈值的分割法 | 第35-37页 |
| 3.6.2 基于局部阈值的分割法 | 第37-39页 |
| 3.7 手背静脉图像的纹路细化 | 第39-42页 |
| 3.8 本章小结 | 第42-43页 |
| 第4章 基于手背静脉的识别方法 | 第43-62页 |
| 4.1 手背静脉特征的分类 | 第43-44页 |
| 4.2 主成分分析与线性判别分析 | 第44-48页 |
| 4.2.1 主成分分析（PCA） | 第44-46页 |
| 4.2.2 线性判别分析（LDA） | 第46-48页 |
| 4.3 核二维主成分分析与二维线性判别分析 | 第48-51页 |
| 4.3.1 核二维主成分分析（K2DPCA） | 第48-49页 |
| 4.3.2 二维线性判别分析（2DLDA） | 第49-51页 |
| 4.4 BP神经网络模型的建立 | 第51-54页 |
| 4.4.1 BP神经网络 | 第51-53页 |
| 4.4.2 算法实现步骤 | 第53-54页 |
| 4.5 实验结论 | 第54-57页 |
| 4.6 软件的设计与测试 | 第57-60页 |
| 4.6.1 软件流程设计 | 第57-58页 |
| 4.6.2 系统软件设计 | 第58-60页 |
| 4.7 本章小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术成果 | 第67-68页 |
| 致谢 | 第68页 |
