首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

单样本条件手部特征识别算法研究

致谢第1-6页
中文摘要第6-8页
ABSTRACT第8-15页
1 绪论第15-33页
   ·课题研究的背景和意义第15-17页
   ·生物特征识别技术概述第17-23页
     ·生物特征的特性及分类第17-19页
     ·生物特征识别系统结构第19-21页
     ·系统评价指标第21-23页
   ·单训练样本生物特征识别第23-25页
     ·单训练样本识别问题描述第23-24页
     ·单训练样本生物识别的意义第24页
     ·常用解决方案第24-25页
   ·手部特征识别概述第25-30页
     ·手形识别第26页
     ·掌纹识别第26-29页
     ·手指特征识别第29-30页
   ·论文的主要工作及结构安排第30-33页
     ·论文的主要工作第30-31页
     ·论文的结构安排第31-33页
2 手部图像获取及预处理第33-41页
   ·引言第33页
   ·手部图像数据库第33-36页
     ·采集方式比较第33-34页
     ·BJTU手部图像数据库第34-35页
     ·PolyU掌纹数据库第35-36页
   ·掌纹图像ROI提取第36-39页
     ·基于BJTU数据库的ROI提取第36-37页
     ·基于PolyU掌纹数据库的ROI提取第37-38页
     ·掌纹图像尺度规—及灰度调整第38-39页
   ·手指图像ROI提取第39页
   ·本章小结第39-41页
3 基于子空间分析的掌纹识别性能分析及改进算法第41-65页
   ·引言第41-42页
   ·基于主成分分析(PCA)的掌纹识别第42-47页
     ·K-L变换第43-45页
     ·K-L变换的性质及意义第45-46页
     ·特征掌(EigenPalm)方法第46-47页
   ·基于改进主成分分析的掌纹识别第47-57页
     ·主成分方法性能分析第47-53页
     ·基于特征加权的主成分分析方法(FWPCA)第53-54页
     ·实验结果和分析第54-57页
   ·基于特征加权局部保持投影(FWLPP)的掌纹识别第57-59页
   ·主成分分析泛化性分析第59-63页
   ·本章小结第63-65页
4 基于小波子带融合的单样本掌纹识别第65-83页
   ·引言第65-66页
   ·基于小波变换的掌纹识别第66-70页
     ·小波变换第66-69页
     ·小波变换和PCA相结合的掌纹识别第69-70页
   ·小波高频子带有效性研究第70-78页
     ·高频子带判决能力分析第71-73页
     ·高频子带特征增强第73-74页
     ·实验结果与分析第74-78页
   ·基于小波子带融合的单样本掌纹识别第78-82页
     ·WSF-SSPR算法第78-79页
     ·实验结果与分析第79-82页
   ·本章小结第82-83页
5 基于手指特征的身份识别第83-99页
   ·引言第83-84页
   ·基于多特征融合的指横纹识别第84-93页
     ·图像预处理第85-87页
     ·特征提取与匹配第87-89页
     ·多特征融合第89-90页
     ·实验结果与分析第90-93页
   ·基于手指图像的身份识别第93-97页
     ·手指图像预处理第93-95页
     ·特征提取与匹配第95页
     ·实验结果与分析第95-97页
   ·本章小结第97-99页
6 匹配分数级融合算子评估方法及在手部特征识别中的应用第99-115页
   ·引言第99页
   ·匹配分数级融合算子的理论依据第99-102页
     ·乘积算子第100-101页
     ·求和算子第101页
     ·最大算子第101-102页
     ·最小算子第102页
   ·融合算子评估方法第102-107页
     ·模态条件独立性假设第103页
     ·融合算子PDF表达第103-105页
     ·概率密度估计第105-106页
     ·两类可分性度量第106-107页
   ·实验结果和分析第107-114页
     ·实验设置第107-108页
     ·实验结果与分析第108-114页
   ·本章小结第114-115页
7 基于手部特征融合的单样本识别第115-127页
   ·引言第115-116页
   ·手部特征融合算法描述第116-120页
     ·信息融合有效性分析第116-117页
     ·融合特征的选择第117-118页
     ·基于层次的手部特征识别算法第118-120页
   ·实验结果与分析第120-126页
     ·匹配特征分析及参数设置第120-122页
     ·实验结果与分析第122-126页
   ·本章小结第126-127页
8 结论第127-131页
   ·本文的主要工作第127-129页
   ·今后工作展望第129页
   ·结束语第129-131页
参考文献第131-137页
作者简历第137-141页
学位论文数据集第141页

论文共141页,点击 下载论文
上一篇:视频广告内容分析与理解
下一篇:社会网络中基于链接的分类问题研究