掌纹特征提取与模式匹配算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第13-25页 |
| 1.1 引言 | 第13页 |
| 1.2 生物特征识别技术 | 第13-19页 |
| 1.2.1 国内外生物特征识别现状 | 第14-15页 |
| 1.2.2 生物特征识别系统框架 | 第15-16页 |
| 1.2.3 几种主流生物特征识别技术 | 第16-18页 |
| 1.2.4 生物特征识别精度评价指标 | 第18-19页 |
| 1.3 掌纹识别技术 | 第19-22页 |
| 1.3.1 掌纹识别研究现状 | 第20-21页 |
| 1.3.2 掌纹特征 | 第21-22页 |
| 1.3.3 掌纹识别系统结构 | 第22页 |
| 1.4 研究内容及选题意义 | 第22-23页 |
| 1.4.1 研究内容 | 第22-23页 |
| 1.4.2 选题意义 | 第23页 |
| 1.5 论文章节安排及内容 | 第23-25页 |
| 2 掌纹识别系统 | 第25-36页 |
| 2.1 掌纹图像采集 | 第25-27页 |
| 2.1.1 掌纹图像采集 | 第25-26页 |
| 2.1.2 掌纹识别常用数据库 | 第26-27页 |
| 2.2 掌纹定位分割 | 第27-28页 |
| 2.3 掌纹特征提取 | 第28-34页 |
| 2.3.1 基于结构的特征提取 | 第28-30页 |
| 2.3.2 基于统计的特征提取 | 第30-31页 |
| 2.3.3 基于子空间的特征提取 | 第31-32页 |
| 2.3.4 基于纹理编码的掌纹特征提取 | 第32-33页 |
| 2.3.5 基于融合的特征提取 | 第33页 |
| 2.3.6 各类特征提取方法的比较 | 第33-34页 |
| 2.4 掌纹匹配识别方法 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 基于Gabor滤波器的掌纹识别方法 | 第36-46页 |
| 3.1 Gabor滤波器简介 | 第36-40页 |
| 3.1.1 传统Gabor滤波器 | 第37-38页 |
| 3.1.2 改进的Gabor滤波器 | 第38-39页 |
| 3.1.3 迭代Gabor滤波器 | 第39-40页 |
| 3.2 竞争编码 | 第40-42页 |
| 3.2.1 编码方法 | 第41页 |
| 3.2.2 匹配方法 | 第41-42页 |
| 3.3 实验结果分析 | 第42-45页 |
| 3.3.1 特征提取速度分析 | 第42-44页 |
| 3.3.2 掌纹识别精度分析 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于SVM和HD的掌纹识别方法 | 第46-55页 |
| 4.1 掌纹ROI区域定位分割 | 第46-47页 |
| 4.2 掌纹特征提取并编码 | 第47-50页 |
| 4.2.1 Haar小波分解 | 第47-48页 |
| 4.2.2 1D Log-Gabor滤波器 | 第48页 |
| 4.2.3 特征编码 | 第48-50页 |
| 4.3 掌纹特征匹配识别 | 第50-52页 |
| 4.3.1 支持向量机 | 第50-51页 |
| 4.3.2 汉明距离 | 第51-52页 |
| 4.4 实验结果分析 | 第52-54页 |
| 4.4.1 实验环境及评价指标 | 第52页 |
| 4.4.2 掌纹识别精度分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62页 |
