| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的和意义 | 第12-13页 |
| 1.3 研究现状与难点 | 第13-16页 |
| 1.3.1 研究现状 | 第13-16页 |
| 1.3.2 研究的难点 | 第16页 |
| 1.4 本文的创新 | 第16-17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 第二章 数据库准备与ROI截取 | 第19-27页 |
| 2.1 公开真伪手指静脉数据库 | 第19-20页 |
| 2.2 自建真伪手指静脉数据库 | 第20-23页 |
| 2.3 图像ROI截取 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于纹理分析的指静脉仿冒攻击检测方法 | 第27-36页 |
| 3.1 FSBE方法 | 第29-30页 |
| 3.2 FSER方法 | 第30-31页 |
| 3.3 HDWT和DDWT方法 | 第31-33页 |
| 3.4 FSER-DWT方法 | 第33-34页 |
| 3.5 RLBP方法 | 第34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 基于TV-LBP的仿冒攻击检测 | 第36-50页 |
| 4.1 基于TotalVariation的图像分解 | 第36-38页 |
| 4.2 图像纹理特征提取 | 第38-45页 |
| 4.2.1 LBP特征 | 第38-41页 |
| 4.2.2 LDP特征 | 第41-43页 |
| 4.2.3 HOG特征 | 第43-45页 |
| 4.3 级联SVM分类模型的构建 | 第45-49页 |
| 4.3.1 SVM的简介 | 第45-48页 |
| 4.3.2 级联SVM | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于CNN的仿冒攻击检测 | 第50-59页 |
| 5.1 CNN简介 | 第50-53页 |
| 5.2 FPNet构建 | 第53-56页 |
| 5.3 数据扩充与决策策略 | 第56-58页 |
| 5.3.1 数据扩充 | 第56-57页 |
| 5.3.2 分类与决策策略 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 实验结果与分析 | 第59-72页 |
| 6.1 性能评估指标 | 第59-60页 |
| 6.2 TV-LBP实验 | 第60-66页 |
| 6.2.1 分块方案比较实验 | 第60-62页 |
| 6.2.2 纹理特征比较和TV分解重要性探究实验 | 第62-64页 |
| 6.2.3 TV-LBP与其他方法对比实验 | 第64-66页 |
| 6.3 FPNet实验 | 第66-70页 |
| 6.3.1 网络结构比较实验 | 第66-67页 |
| 6.3.2 图像缩放的影响探究实验 | 第67-69页 |
| 6.3.3 FPNet与其他方法对比实验 | 第69-70页 |
| 6.4 本章小结 | 第70-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 已发表论文 | 第80页 |
| 已公开专利 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |