基于DSP的手背静脉识别系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 生物特征识别技术 | 第10-12页 |
| 1.2 课题的国内外发展现状 | 第12-15页 |
| 1.2.1 手背静脉识别算法的研究背景及意义 | 第12-13页 |
| 1.2.2 手背静脉识别的发展现状 | 第13-15页 |
| 1.3 手背静脉识别系统概述 | 第15-17页 |
| 1.3.1 手背静脉识别系统结构 | 第15-16页 |
| 1.3.2 手背静脉图像采集系统 | 第16-17页 |
| 1.4 基于DSP的手背静脉识别系统 | 第17页 |
| 1.5 本论文的主要研究内容 | 第17-18页 |
| 1.6 本论文的结构安排 | 第18-20页 |
| 第2章 基于HU不变矩的手背静脉识别算法 | 第20-28页 |
| 2.1 手背静脉图像预处理 | 第20-23页 |
| 2.1.1 图像ROI提取 | 第20页 |
| 2.1.2 图像阈值分割法 | 第20-21页 |
| 2.1.3 图像NiBlack算法 | 第21-22页 |
| 2.1.4 图像的细化 | 第22-23页 |
| 2.2 基于HU不变矩的手背静脉识别算法 | 第23-25页 |
| 2.2.1 Hu不变矩算法 | 第24页 |
| 2.2.2 不变矩特征的匹配量化 | 第24-25页 |
| 2.3 实验结果 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于特征融合的手背静脉识别算法 | 第28-34页 |
| 3.1 手背静脉特征点提取 | 第28-29页 |
| 3.2 基于豪斯多夫距离的识别算法 | 第29-31页 |
| 3.2.1 豪斯多夫距离算法概述 | 第29-30页 |
| 3.2.2 实验结果 | 第30-31页 |
| 3.3 基于特征融合的识别算法 | 第31-33页 |
| 3.3.1 特征融合的算法概述 | 第31页 |
| 3.3.2 实验结果 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于DSP手背静脉识别系统的实现 | 第34-44页 |
| 4.1 系统的硬件设计 | 第34-39页 |
| 4.1.1 系统的选型 | 第34-36页 |
| 4.1.1.1 DM642内核 | 第35页 |
| 4.1.1.2 DM642片内外设 | 第35-36页 |
| 4.1.2 系统的结构设计 | 第36-37页 |
| 4.1.3 DM642存储模块设计 | 第37-38页 |
| 4.1.4 输入/输出模块设计 | 第38-39页 |
| 4.2 系统的软件设计 | 第39-43页 |
| 4.2.1 软件开发环境介绍 | 第40-41页 |
| 4.2.2 DSP/BIOS操作系统 | 第41-42页 |
| 4.2.3 程序框架设计 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 系统的软件调试及实验结果分析 | 第44-54页 |
| 5.1 图像显示工具 | 第44-45页 |
| 5.2 实验结果分析 | 第45-52页 |
| 5.2.1 预处理实验结果 | 第45-46页 |
| 5.2.2 特征提取与匹配结果分析 | 第46-52页 |
| 5.3 本章小结 | 第52-54页 |
| 第6章 工作总结与展望 | 第54-56页 |
| 6.1 本文的主要工作 | 第54页 |
| 6.2 未来展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 作者简介及科研成果 | 第62-64页 |
| 致谢 | 第64页 |
