| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 掌纹识别研究现状 | 第17-18页 |
| 1.3 掌纹主要特征 | 第18-20页 |
| 1.4 掌纹图像分类 | 第20-22页 |
| 1.5 掌纹识别方法概述 | 第22-25页 |
| 1.5.1 基于线特征的掌纹识别方法 | 第22-23页 |
| 1.5.2 基于纹理方向的掌纹识别方法 | 第23-24页 |
| 1.5.3 基于细节特征点的掌纹识别方法 | 第24页 |
| 1.5.4 基于图像识别的方法 | 第24-25页 |
| 1.6 本文主要研究内容 | 第25-27页 |
| 1.7 本文结构安排 | 第27-30页 |
| 第2章 基于相邻方向指示的低分辨率掌纹图像识别方法 | 第30-50页 |
| 2.1 引言 | 第30-31页 |
| 2.2 掌纹ROI提取过程 | 第31-32页 |
| 2.3 掌纹相邻方向指示提取与识别 | 第32-39页 |
| 2.3.1 掌纹方向特征提取过程 | 第32-34页 |
| 2.3.2 掌纹相邻方向指示 | 第34-35页 |
| 2.3.3 掌纹相邻方向指示提取 | 第35-36页 |
| 2.3.4 掌纹相邻方向指示识别 | 第36-37页 |
| 2.3.5 掌纹相邻方向指示特征分析 | 第37-39页 |
| 2.4 实验结果 | 第39-49页 |
| 2.4.1 低分辨率掌纹图像数据库介绍 | 第39-40页 |
| 2.4.2 掌纹认证 | 第40-43页 |
| 2.4.3 掌纹识别 | 第43-45页 |
| 2.4.4 多光谱掌纹图像融合性能分析 | 第45-46页 |
| 2.4.5 Rank层融合性能分析 | 第46-47页 |
| 2.4.6 基于卷积响应关系的特征分析 | 第47页 |
| 2.4.7 计算时间对比 | 第47-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第3章 低分辨率掌纹图像半方向特征提取 | 第50-67页 |
| 3.1 引言 | 第50-51页 |
| 3.2 掌纹图像的双半方向特征 | 第51-52页 |
| 3.3 掌纹图像半方向特征提取与匹配 | 第52-56页 |
| 3.3.1 Half-Gabor滤波器 | 第53-54页 |
| 3.3.2 掌纹图像半方向特征提取 | 第54-55页 |
| 3.3.3 Half-Gabor滤波器的T值分析 | 第55-56页 |
| 3.3.4 掌纹双半方向特征识别 | 第56页 |
| 3.4 实验结果 | 第56-66页 |
| 3.4.1 实验掌纹图像数据库介绍 | 第56-57页 |
| 3.4.2 掌纹图像双半方向特征差异分析 | 第57-59页 |
| 3.4.3 掌纹认证 | 第59-61页 |
| 3.4.4 掌纹识别 | 第61-63页 |
| 3.4.5 计算时间对比 | 第63-64页 |
| 3.4.6 掌纹半方向特征和相邻方向指示区别 | 第64-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第4章 基于低秩表示和主线距离融合的非接触式掌纹识别方法 | 第67-87页 |
| 4.1 引言 | 第67-70页 |
| 4.2 掌纹图像主线特征提取 | 第70-71页 |
| 4.3 基于主线距离约束的掌纹图像的低秩表示 | 第71-77页 |
| 4.3.1 主线距离 | 第71-72页 |
| 4.3.2 主线距离约束的低秩表示模型 | 第72-74页 |
| 4.3.3 模型求解 | 第74-76页 |
| 4.3.4 算法复杂度分析 | 第76页 |
| 4.3.5 基于LRRIPLD模型的掌纹识别 | 第76-77页 |
| 4.4 实验结果 | 第77-85页 |
| 4.4.1 非接触式掌纹图像数据库介绍 | 第77-78页 |
| 4.4.2 IITD掌纹库实验结果 | 第78-79页 |
| 4.4.3 GPDS掌纹库实验结果 | 第79-80页 |
| 4.4.4 CASIA掌纹库实验结果 | 第80-82页 |
| 4.4.5 含噪声掌纹库实验结果 | 第82-83页 |
| 4.4.6 计算时间对比 | 第83-84页 |
| 4.4.7 实验结果分析 | 第84-85页 |
| 4.5 本章小结 | 第85-87页 |
| 第5章 一种针对高分辨率掌纹图像的特征提取及匹配方法 | 第87-105页 |
| 5.1 引言 | 第87-88页 |
| 5.2 高分辨率掌纹图像特征提取 | 第88-96页 |
| 5.2.1 高分辨率掌纹图像ROI提取 | 第88-90页 |
| 5.2.2 脊方向图提取 | 第90-92页 |
| 5.2.3 掌纹脊频率计算 | 第92-93页 |
| 5.2.4 掌纹图像增强预处理 | 第93-94页 |
| 5.2.5 掌纹细节特征点提取 | 第94-96页 |
| 5.3 高分辨率掌纹图像特征识别 | 第96-101页 |
| 5.3.1 基于主导脊方向的掌纹图像角度对齐 | 第97-100页 |
| 5.3.2 掌纹位置对齐 | 第100页 |
| 5.3.3 掌纹细节特征点匹配 | 第100-101页 |
| 5.4 实验结果 | 第101-103页 |
| 5.4.1 高分辨率掌纹图像数据库介绍 | 第101-102页 |
| 5.4.2 掌纹认证 | 第102-103页 |
| 5.4.3 掌纹识别 | 第103页 |
| 5.5 本章小结 | 第103-105页 |
| 第6章 基于增强竞争编码和曲面类型的 3D掌纹识别方法 | 第105-121页 |
| 6.1 引言 | 第105-106页 |
| 6.2 3D掌纹图像曲率特征提取 | 第106-110页 |
| 6.2.1 高斯曲率和均值曲率 | 第106-107页 |
| 6.2.2 曲率计算及曲率图 | 第107-108页 |
| 6.2.3 曲面类型 | 第108-110页 |
| 6.3 增强竞争编码与曲面类型融合方法 | 第110-115页 |
| 6.3.1 增强竞争编码方法 | 第110-113页 |
| 6.3.2 曲面类型直方图 | 第113-115页 |
| 6.3.3 增强竞争编码与曲面类型直方图融合识别 | 第115页 |
| 6.4 实验结果 | 第115-119页 |
| 6.4.1 3D掌纹图像数据库介绍 | 第115-116页 |
| 6.4.2 3D掌纹图像认证 | 第116-117页 |
| 6.4.3 3D掌纹图像识别 | 第117-118页 |
| 6.4.4 增强竞争编码与传统竞争编码性能比较 | 第118页 |
| 6.4.5 计算时间对比 | 第118-119页 |
| 6.5 本章小结 | 第119-121页 |
| 结论 | 第121-124页 |
| 参考文献 | 第124-135页 |
| 攻读博士学位期间发表的论文及其他成果 | 第135-138页 |
| 致谢 | 第138-139页 |
| 个人简历 | 第139页 |
