具备抗旋转能力的指静脉识别算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.3 研究现状 | 第14-20页 |
| 1.3.1 指静脉成像方式与手指轴向旋转的成因 | 第14-16页 |
| 1.3.2 指静脉图像的特征提取和匹配 | 第16-19页 |
| 1.3.3 指静脉识别研究的难点 | 第19-20页 |
| 1.4 本文的创新 | 第20页 |
| 1.5 论文的组织 | 第20-22页 |
| 第二章 指静脉图像的获取及预处理 | 第22-29页 |
| 2.1 指静脉图像的获取 | 第22页 |
| 2.2 指静脉图像的ROI截取 | 第22-24页 |
| 2.3 指静脉图像增强 | 第24-28页 |
| 2.3.1 最大主曲率增强 | 第24-25页 |
| 2.3.2 宽线检测法 | 第25-27页 |
| 2.3.3 Gabor滤波增强 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 指静脉图像轴向旋转校正算法研究 | 第29-39页 |
| 3.1 常用的指静脉图像旋转校正方法 | 第29-32页 |
| 3.1.1 椭圆映射法 | 第30-31页 |
| 3.1.2 图像降采样法 | 第31-32页 |
| 3.1.3 局部不变特征 | 第32页 |
| 3.2 指静脉旋转对识别的影响 | 第32-36页 |
| 3.3 基于纹理梯度的指静脉图像旋转校正 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 指静脉图像的软生物特征提取算法研究 | 第39-51页 |
| 4.1 指静脉图像的主特征提取 | 第39-45页 |
| 4.1.1 局部二进制模式（LBP） | 第39-41页 |
| 4.1.2 韦伯局部描述子（WLD） | 第41-43页 |
| 4.1.3 方向梯度直方图（HOG） | 第43页 |
| 4.1.4 尺度不变特征变换（SIFT） | 第43-45页 |
| 4.2 指静脉图像的软生物特征提取 | 第45-49页 |
| 4.2.1 指静脉成像原理分析 | 第45-46页 |
| 4.2.2 背景层的提取 | 第46-48页 |
| 4.2.3 基于背景层图像的软生物特征提取 | 第48-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第五章 主特征和软生物特征的混合匹配 | 第51-56页 |
| 5.1 曼哈顿距离匹配 | 第51-52页 |
| 5.2 SVM匹配 | 第52-54页 |
| 5.3 基于曼哈顿距离与SVM的混合匹配法 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 实验结果与分析 | 第56-71页 |
| 6.1 实验设备与数据库 | 第56-57页 |
| 6.2 图像增强比较实验 | 第57-59页 |
| 6.3 轴向旋转校正比较实验 | 第59-61页 |
| 6.4 软生物特征提取方法性能测试 | 第61-66页 |
| 6.5 混合匹配算法比较实验 | 第66-68页 |
| 6.6 与现有方法的比较实验 | 第68-69页 |
| 6.7 本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-80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 |
