| 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 |