图像特征提取算法在掌纹识别中的应用研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 图像特征及掌纹识别算法研究 | 第16-24页 |
| 2.1 图像特征的分类 | 第16-19页 |
| 2.1.1 图像的点、线、面特征 | 第16-17页 |
| 2.1.2 图像的颜色特征 | 第17-18页 |
| 2.1.3 图像的纹理和形状特征 | 第18-19页 |
| 2.1.4 图像的统计特征 | 第19页 |
| 2.2 经典掌纹识别算法 | 第19-22页 |
| 2.2.1 基于纹理的算法 | 第19-20页 |
| 2.2.2 基于线的识别方法 | 第20-21页 |
| 2.2.3 基于相关滤波器的方法 | 第21页 |
| 2.2.4 基于方向信息的方法 | 第21-22页 |
| 2.2.5 基于图像子空间的方法 | 第22页 |
| 2.3 算法对比分析 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 掌纹图像预处理和特征提取 | 第24-37页 |
| 3.1 掌纹图像采集与掌纹数据库 | 第24-26页 |
| 3.2 掌纹图像预处理 | 第26-32页 |
| 3.2.1 掌纹图像去噪 | 第26-27页 |
| 3.2.2 掌纹图像增强处理 | 第27-28页 |
| 3.2.3 掌纹图像感兴趣区域提取 | 第28-32页 |
| 3.3 掌纹特征的定义及描述 | 第32-33页 |
| 3.4 经典特征提取算法 | 第33-35页 |
| 3.4.1 基于子空间的提取算法 | 第33-34页 |
| 3.4.2 基于统计的特征提取 | 第34页 |
| 3.4.3 基于空域-频域变换的特征提取 | 第34-35页 |
| 3.5 图像特征提取的评价 | 第35页 |
| 3.6 图像特征提取对比分析 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于SIFT特征提取的掌纹识别 | 第37-47页 |
| 4.1 掌纹识别一般流程 | 第37页 |
| 4.2 SIFT特征提取算法 | 第37-40页 |
| 4.3 基于SIFT特征提取的掌纹识别算法 | 第40-41页 |
| 4.3.1 算法流程图 | 第40-41页 |
| 4.4 SIFT掌纹特征提取 | 第41-44页 |
| 4.4.1 极值点检测 | 第41-42页 |
| 4.4.2 计算特征点主方向 | 第42页 |
| 4.4.3 特征匹配 | 第42-44页 |
| 4.5 实验结果 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 作者简介及在学期间取得的科研成果 | 第52-53页 |
| 致谢 | 第53页 |
