基于特征融合和神经网络的掌纹识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-13页 |
| ·生物识别技术概述 | 第8-10页 |
| ·掌纹识别技术国内外研究现状 | 第10页 |
| ·掌纹识别技术的应用 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 第二章 掌纹识别系统 | 第13-26页 |
| ·掌纹识别系统的组成结构 | 第13-14页 |
| ·图像获取 | 第14-16页 |
| ·预处理 | 第16-22页 |
| ·不变特征点的掌纹方向校正 | 第16-17页 |
| ·基于椭圆拟合的掌纹方向校正 | 第17页 |
| ·基于数字形态学的掌纹方向校正 | 第17-22页 |
| ·特征提取 | 第22-24页 |
| ·基于结构的特征提取 | 第22-23页 |
| ·基于空域—频域变换的方法 | 第23页 |
| ·基于统计和子空间方法 | 第23-24页 |
| ·掌纹特征提取方法的对比 | 第24页 |
| ·掌纹图像的特征匹配 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 特征提取与选择 | 第26-33页 |
| ·手掌粗级匹配特征 | 第26页 |
| ·手掌精细匹配的纹理特征 | 第26-32页 |
| ·应用小波变换的原因 | 第26-27页 |
| ·小波变换 | 第27-28页 |
| ·规则矩 | 第28-29页 |
| ·ZERNIKE 矩 | 第29-30页 |
| ·独立分量分析 | 第30-31页 |
| ·自适应的特征加权 | 第31页 |
| ·特征的融合 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 分类器的设计 | 第33-37页 |
| ·K 均值算法 | 第33页 |
| ·BP 神经网络分类器 | 第33-36页 |
| ·BP 神经网络结构 | 第33-34页 |
| ·BP 神经网络学习规则 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 实验结果及分析 | 第37-44页 |
| ·掌纹识别系统流程图 | 第37页 |
| ·掌纹数据库 | 第37-39页 |
| ·实验结果 | 第39-42页 |
| ·BP 网络的参数分析 | 第41页 |
| ·特征加权对识别结果的影响 | 第41-42页 |
| ·与其它方法的比较 | 第42页 |
| ·分析及讨论 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结和展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 在学期间公开发表论文及著作情况 | 第50页 |
