首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

指关节图像的特征抽取方法研究

摘要第3-4页
Abstract第4页
1 绪论第9-20页
    1.1 本文研究的背景与意义第9-10页
    1.2 生物特征识别技术第10-13页
        1.2.1 生物特征识别技术概述第10-12页
        1.2.2 生物特征识别系统简介第12页
        1.2.3 生物特征识别技术的研究进展第12-13页
    1.3 指关节识别国内外研究现状第13-17页
        1.3.1 指关节识别简介第13-15页
        1.3.2 指关节纹识别算法研究现状第15-17页
        1.3.3 指关节纹特征匹配算法介绍第17页
    1.4 概念和术语第17-19页
        1.4.1 验证与识别第17页
        1.4.2 误识率与据识率第17-18页
        1.4.3 DET曲线第18页
        1.4.4 判别性指标第18-19页
    1.5 本文研究的内容和结构安排第19-20页
2 基于可操控滤波器的指关节图像特征抽取第20-28页
    2.1 竞争编码第20-22页
        2.1.1 基于神经学的Gabor函数第20页
        2.1.2 竞争准则:胜者为王第20-22页
    2.2 基于可操控滤波器的指关节图像特征抽取第22-26页
        2.2.1 可操控滤波器特征抽取的设计第23-24页
        2.2.2 自适应可操控方向编码(ASOC)第24-26页
    2.3 实验结果第26-27页
    2.4 本章小结第27-28页
3 基于二值Gabor模式的指关节识别第28-41页
    3.1 纹理特征第28页
    3.2 局部二值模式(LBP)第28-30页
        3.2.1 局部二值模式(LBP)简介第28-29页
        3.2.2 局部二值模式(LBP)的特征提取第29-30页
    3.3 局部Gabor二值模式(LGBP)第30-32页
        3.3.1 Gabor特征表示第30-32页
        3.3.2 LGBP第32页
    3.4 二值Gabor模式(BGP)第32-36页
        3.4.1 二值模式编码第33-34页
        3.4.2 多尺度分析第34页
        3.4.3 直方图特征提取第34-36页
        3.4.4 分类第36页
        3.4.5 存储空间第36页
    3.5 实验结果第36-40页
    3.6 本章小结第40-41页
4 特征融合第41-51页
    4.1 概述第41-43页
        4.1.1 信息融合的概念第41页
        4.1.2 信息融合的研究现状第41页
        4.1.3 融合的层次划分第41-43页
    4.2 基于局部和全局特征融合的指关节纹识别第43-44页
    4.3 局部特征提取和匹配第44页
    4.4 全局特征提取和匹配第44-49页
        4.4.1 从局部到全局第44-45页
        4.4.2 仅相位相关(POC)第45-46页
        4.4.3 带限唯相相关(BLPOC)第46-48页
        4.4.4 局部-全局信息结合(LGIC)的指关节纹识别第48-49页
    4.5 匹配距离的融合第49页
    4.6 实验结果第49-50页
    4.7 本章小结第50-51页
5 基于稀疏表示的指关节纹识别方法第51-56页
    5.1 引言第51页
    5.2 稀疏表示第51-53页
        5.2.1 指关节纹的稀疏表示第51-52页
        5.2.2 稀疏编码第52-53页
    5.3 稀疏多尺度竞争编码(SMCC)第53-54页
    5.4 匹配第54页
    5.5 实验结果第54-55页
    5.6 本章小结第55-56页
6 总结与展望第56-57页
致谢第57-58页
参考文献第58-63页
附录第63页

论文共63页,点击 下载论文
上一篇:低氧诱导因子HIF3α在神经管畸形中的表达及作用分析
下一篇:自发眼震对前庭外周损伤患者临床价值的探讨