前臂轮廓/静脉生物特征融合识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 生物特征识别技术及特点 | 第14-18页 |
| 1.3 生物特征融合识别 | 第18-22页 |
| 1.3.1 生物特征融合识别概述 | 第18-20页 |
| 1.3.2 生物特征融合识别研究现状 | 第20-22页 |
| 1.4 本文主要内容 | 第22-23页 |
| 第二章 前臂手形轮廓的特征提取与匹配 | 第23-41页 |
| 2.1 引言 | 第23-24页 |
| 2.2 手形轮廓提取与跟踪 | 第24-26页 |
| 2.3 手形轮廓特征提取 | 第26-34页 |
| 2.3.1 手形轮廓曲线近似曲率 | 第27-28页 |
| 2.3.2 指尖和指谷点定位 | 第28-31页 |
| 2.3.3 手指宽度点定位 | 第31-32页 |
| 2.3.4 手掌特征点定位 | 第32-34页 |
| 2.4 基于手形的匹配识别 | 第34-40页 |
| 2.4.1 手形识别方法概述 | 第34页 |
| 2.4.2 手形特征分析与匹配 | 第34-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 前臂静脉的特征提取与识别 | 第41-52页 |
| 3.1 引言 | 第41-43页 |
| 3.1.1 静脉识别技术的优势 | 第41-42页 |
| 3.1.2 静脉识别原理 | 第42-43页 |
| 3.2 手臂近红外图像静脉提取 | 第43-48页 |
| 3.2.1 静脉图像增强 | 第43-44页 |
| 3.2.2 静脉图像Gabor滤波 | 第44-45页 |
| 3.2.3 静脉线提取 | 第45-47页 |
| 3.2.4 静脉提取方法对比 | 第47-48页 |
| 3.3 手臂静脉匹配识别 | 第48-51页 |
| 3.3.1 静脉线处理 | 第48-49页 |
| 3.3.2 静脉线匹配 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 前臂手形轮廓与静脉双模态分数级融合识别 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 本文融合方案 | 第52-55页 |
| 4.2.1 分数级融合方案 | 第52-53页 |
| 4.2.2 融合规则 | 第53-54页 |
| 4.2.3 性能评价参数 | 第54-55页 |
| 4.3 匹配分数归一化处理 | 第55-57页 |
| 4.4 双模态融合权重计算 | 第57-61页 |
| 4.4.1 常用的权重计算方法 | 第57-58页 |
| 4.4.2 基于CMC曲线的权重计算 | 第58-60页 |
| 4.4.3 基于ROC曲线的权重计算 | 第60-61页 |
| 4.5 融合实验结果分析 | 第61-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 本文工作总结 | 第66-67页 |
| 5.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
