基于深度学习的手背静脉识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 1 引言 | 第8-14页 |
| ·生物识别特征综述 | 第8-10页 |
| ·手背静脉研究的目的及现状 | 第10-12页 |
| ·手背静脉识别研究目的 | 第10-11页 |
| ·手背静脉识别研究现状 | 第11-12页 |
| ·手背静脉识别系统 | 第12-13页 |
| ·本文工作内容 | 第13-14页 |
| 2 手背静脉图像的预处理 | 第14-23页 |
| ·手背静脉图像采集设备介绍 | 第14-15页 |
| ·手背静脉库的建立 | 第15-16页 |
| ·手背静脉图像的去噪 | 第16-18页 |
| ·图像去噪算法 | 第16-17页 |
| ·去噪效果评价 | 第17-18页 |
| ·手背静脉倾斜图像的校正 | 第18-19页 |
| ·感兴趣区域提取 | 第19-22页 |
| ·几何法ROI提取 | 第20页 |
| ·质心法ROI提取 | 第20-21页 |
| ·ROI评价标准 | 第21-22页 |
| ·手背静脉图像的归一化 | 第22页 |
| ·小结 | 第22-23页 |
| 3 手背静脉特征提取 | 第23-27页 |
| ·LBP算子 | 第23-25页 |
| ·基本LBP算子 | 第23-24页 |
| ·圆形LBP算子 | 第24页 |
| ·LBP旋转不变性 | 第24-25页 |
| ·LBP的归一化模式 | 第25页 |
| ·LBP特征提取 | 第25-26页 |
| ·小结 | 第26-27页 |
| 4 深度学习方法及训练 | 第27-41页 |
| ·深度学习方法 | 第28-33页 |
| ·深度学习与BP神经网络 | 第28-29页 |
| ·深度学习思想 | 第29页 |
| ·自动编码机 | 第29-30页 |
| ·稀疏自动编码机 | 第30页 |
| ·受限波尔茨曼机 | 第30-32页 |
| ·RBM的学习 | 第32-33页 |
| ·深度学习训练 | 第33-41页 |
| ·深度网络训练方法 | 第33-34页 |
| ·深度学习训练 | 第34-37页 |
| ·分类码组合 | 第37-41页 |
| 5 分类器及实验结果 | 第41-46页 |
| ·分类器 | 第41页 |
| ·实验结果 | 第41-45页 |
| ·小结 | 第45-46页 |
| 6 结论 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 申请学位期间的研究成果及发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |
