基于卷积神经网络的掌纹识别
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 掌纹识别技术研究背景及意义 | 第11页 |
| 1.2 掌纹识别技术发展及现状 | 第11-19页 |
| 1.2.1 掌纹图像采集 | 第13-14页 |
| 1.2.2 图像预处理方法 | 第14-16页 |
| 1.2.3 掌纹特征提取方法 | 第16-18页 |
| 1.2.4 掌纹分类识别方法 | 第18-19页 |
| 1.3 本文的主要研究内容及结构 | 第19-20页 |
| 第2章 卷积神经网络 | 第20-28页 |
| 2.1 卷积神经网络经典结构 | 第20-23页 |
| 2.2 卷积神经网络运算过程 | 第23-27页 |
| 2.3 卷积神经网络训练过程 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 掌纹识别中的图像预处理方法 | 第28-37页 |
| 3.1 噪声样本 | 第28-29页 |
| 3.2 旋转样本 | 第29-33页 |
| 3.2.1 样本旋转处理 | 第30-31页 |
| 3.2.2 双线性插值法 | 第31-32页 |
| 3.2.3 双三线性插值法 | 第32-33页 |
| 3.3 基于CSGT的掌纹图像样本 | 第33-36页 |
| 3.3.1 Gabor变换 | 第33-35页 |
| 3.3.2 环形对称Gabor变换 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于DWNR与卷积神经网络的掌纹识别 | 第37-47页 |
| 4.1 基于DWNR的掌纹预处理 | 第37-39页 |
| 4.2 卷积神经网络结构设计 | 第39-44页 |
| 4.2.1 用于掌纹识别的卷积神经网络结构设计 | 第39-42页 |
| 4.2.2 训练参数的设置 | 第42-44页 |
| 4.2.3 分类器的设计 | 第44页 |
| 4.3 实验与分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于CSGT与卷积神经网络的掌纹识别 | 第47-55页 |
| 5.1 基于CSGT的掌纹预处理 | 第47-49页 |
| 5.2 卷积神经网络参数的优化 | 第49页 |
| 5.3 实验与分析 | 第49-54页 |
| 5.3.1 CSGT预处理方法实验 | 第50-52页 |
| 5.3.2 相关方法比较 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第61-62页 |
| 致谢 | 第62页 |
