手指静脉识别系统的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-14页 |
| 1.1.1 几种典型的生物识别技术 | 第11-13页 |
| 1.1.2 手指静脉识别技术 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 论文的主要内容 | 第17-18页 |
| 第2章 手指静脉图像采集 | 第18-34页 |
| 2.1 图像采集的整体设计 | 第18-20页 |
| 2.2 成像设备的选择 | 第20-22页 |
| 2.2.1 近红外光源的选择 | 第20-21页 |
| 2.2.2 滤光片的选择 | 第21-22页 |
| 2.2.3 图像传感器的选择 | 第22页 |
| 2.3 硬件原理及电路 | 第22-27页 |
| 2.3.1 硬件原理 | 第22-23页 |
| 2.3.2 硬件电路 | 第23-27页 |
| 2.4 光源设计 | 第27-32页 |
| 2.4.1 光源距离优化 | 第28-30页 |
| 2.4.2 实验分析 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 手指静脉图像处理 | 第34-54页 |
| 3.1 感兴趣区提取 | 第34-36页 |
| 3.2 归一化 | 第36-38页 |
| 3.2.1 尺寸归一化 | 第36-37页 |
| 3.2.2 灰度归一化 | 第37-38页 |
| 3.3 基于引导图像滤波的图像增强 | 第38-41页 |
| 3.4 图像分割 | 第41-48页 |
| 3.4.1 几种经典阈值分割 | 第41-44页 |
| 3.4.2 基于方向谷型检测的阈值分割 | 第44-48页 |
| 3.5 滤波与去噪 | 第48-50页 |
| 3.6 图像细化 | 第50-53页 |
| 3.6.1 Hilditch串行细化 | 第51-52页 |
| 3.6.2 细化后去噪声 | 第52-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第4章 手指静脉图像识别 | 第54-64页 |
| 4.1 基于Hausdorff距离的识别算法 | 第54-57页 |
| 4.1.1 特征点的提取 | 第54-56页 |
| 4.1.2 Hausdorff距离算法原理 | 第56-57页 |
| 4.1.3 Hausdorff距离算法实验验证 | 第57页 |
| 4.2 基于Hu氏不变矩的识别算法 | 第57-63页 |
| 4.2.1 Hu氏不变矩原理 | 第58-60页 |
| 4.2.2 Hu氏不变矩算法实验验证 | 第60-63页 |
| 4.3 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71页 |
