| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 手形识别的发展现状 | 第10-11页 |
| 1.2.2 掌纹识别的发展现状 | 第11-12页 |
| 1.2.3 多模态手部生物特征身份识别技术的发展现状 | 第12-13页 |
| 1.3 本文研究工作及结构安排 | 第13-15页 |
| 2 手部图像的获取及预处理算法 | 第15-33页 |
| 2.1 手部图像采集 | 第15-17页 |
| 2.2 手部图像预处理算法 | 第17-26页 |
| 2.2.1 灰度化 | 第17-18页 |
| 2.2.2 高斯滤波 | 第18-19页 |
| 2.2.3 二值化 | 第19-20页 |
| 2.2.4 形态学处理 | 第20-21页 |
| 2.2.5 轮廓提取 | 第21-22页 |
| 2.2.6 特征点定位 | 第22-26页 |
| 2.3 复杂背景下的肤色检测算法 | 第26-31页 |
| 2.3.1 基于RGB的分割 | 第27-28页 |
| 2.3.2 基于RG通道的分割 | 第28-29页 |
| 2.3.3 自适应阈值肤色分割法 | 第29页 |
| 2.3.4 基于YCrCb的分割 | 第29-30页 |
| 2.3.5 基于HSV的分割 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 特征提取 | 第33-39页 |
| 3.1 手形特征提取 | 第33页 |
| 3.2 掌纹特征提取 | 第33-38页 |
| 3.2.1 旋转矫正 | 第34-35页 |
| 3.2.2 提取感兴趣区域 | 第35页 |
| 3.2.3 下采样 | 第35-37页 |
| 3.2.4 直方图均衡化 | 第37页 |
| 3.2.5 掌纹的特征提取 | 第37-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 分类识别 | 第39-43页 |
| 4.1 分类方法 | 第39-42页 |
| 4.1.1 距离函数 | 第40-41页 |
| 4.1.2 统计决策理论（最大似然法） | 第41-42页 |
| 4.1.3 线性判别函数 | 第42页 |
| 4.2 本课题中使用的分类方法 | 第42页 |
| 4.3 本章小结 | 第42-43页 |
| 5 融合手形和掌纹的多模态身份识别方法 | 第43-51页 |
| 5.1 信息融合的定义及原理 | 第43页 |
| 5.2 融合层次的划分 | 第43-44页 |
| 5.3 手形和掌纹决策层融合的方法 | 第44-50页 |
| 5.3.1 并联方式 | 第44-46页 |
| 5.3.2 串联方式 | 第46-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 实验系统的设计及结果分析 | 第51-61页 |
| 6.1 实验系统的界面设计 | 第51-55页 |
| 6.2 实验结果分析 | 第55-59页 |
| 6.2.1 对用照相机采集的不同训练样本数下的测试 | 第55-58页 |
| 6.2.2 对用照相机在复杂背景下采集的手部图像的测试 | 第58页 |
| 6.2.3 对用摄像头采集的不同训练样本数下的测试 | 第58-59页 |
| 6.3 本章小结 | 第59-61页 |
| 7 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-67页 |
