| 内容提要 | 第1-5页 |
| 摘要 | 第5-8页 |
| Abstract | 第8-16页 |
| 第一章 绪论 | 第16-42页 |
| ·引言 | 第16-19页 |
| ·生物识别技术简介 | 第17页 |
| ·生物识别技术的研究意义 | 第17-19页 |
| ·静脉识别研究的意义 | 第19-21页 |
| ·静脉识别技术的研究现状 | 第21-22页 |
| ·静脉图像预处理方法研究现状 | 第22-23页 |
| ·本文研究目的及意义 | 第23-24页 |
| ·压缩感知理论 | 第24-30页 |
| ·信号的稀疏表示 | 第26页 |
| ·观测矩阵设计 | 第26-27页 |
| ·信号的稀疏重建 | 第27-28页 |
| ·现有的压缩感知重建方法 | 第28-30页 |
| ·主动轮廓分割模型理论 | 第30-38页 |
| ·图像分割原理及分类 | 第30-33页 |
| ·主动轮廓分割模型原理 | 第33-36页 |
| ·主动轮廓模型分类 | 第36-38页 |
| ·本论文的主要工作 | 第38-42页 |
| ·文章结构主要结构 | 第38-39页 |
| ·本文的创新点 | 第39-42页 |
| 第二章 基于压缩感知的图像去噪算法 | 第42-62页 |
| ·梯度投影稀疏重建算法 | 第42-47页 |
| ·最优化理论与算法简述 | 第43-44页 |
| ·带约束二次方程规划算法 | 第44-45页 |
| ·梯度投影法(最速下降法) | 第45-46页 |
| ·梯度下降法的收敛性 | 第46-47页 |
| ·P-R共轭梯度(Polak-Ribière conjugate gradient )稀疏重建算法 | 第47-50页 |
| ·共轭梯度法 | 第47-48页 |
| ·P-R共轭梯度优化法 | 第48-49页 |
| ·P-R共轭梯度优化法的收敛性 | 第49-50页 |
| ·仿真实验 | 第50-60页 |
| ·本章小结 | 第60-62页 |
| 第三章 加权全变分局部二值拟合主动轮廓图像分割 | 第62-80页 |
| ·局部二值拟合主动轮廓模型 | 第62-69页 |
| ·水平集方法理论 | 第62-64页 |
| ·Mumford-Shah模型 | 第64-65页 |
| ·C-V模型 | 第65-67页 |
| ·LBF模型 | 第67-69页 |
| ·加权全变分局部二值拟合主动轮廓分割模型 | 第69-71页 |
| ·仿真试验 | 第71-77页 |
| ·分割准确率定义 | 第71-72页 |
| ·图像分割实验结果 | 第72-77页 |
| ·本章小结 | 第77-80页 |
| 第四章 手指静脉图像实验与分析 | 第80-94页 |
| ·手指静脉图像特点 | 第80-82页 |
| ·常用的静脉提取处理方法 | 第82-84页 |
| ·合成手指静脉图像 | 第84-85页 |
| ·手指静脉图像去噪处理 | 第85-89页 |
| ·灰度值归一化 | 第85-86页 |
| ·合成手指静脉去噪实验结果对比 | 第86-87页 |
| ·真实手指静脉图像去噪结果对比 | 第87-89页 |
| ·基于主动轮廓分割模型的手指静脉分割实验 | 第89-90页 |
| ·合成手指静脉图像的分割结果对比 | 第89页 |
| ·真实指静脉图像的分割结果对比 | 第89-90页 |
| ·本章小结 | 第90-94页 |
| 第五章 总结与展望 | 第94-98页 |
| ·全文总结 | 第94-96页 |
| ·工作展望 | 第96-98页 |
| 参考文献 | 第98-108页 |
| 攻读博士期间发表论文 | 第108-110页 |
| 致谢 | 第110页 |