| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题研究背景及意义 | 第12-17页 |
| 1.1.1 研究背景 | 第12-15页 |
| 1.1.2 掌纹识别的研究意义 | 第15-17页 |
| 1.2 掌纹识别技术发展及现状 | 第17-18页 |
| 1.3 本文的研究内容与结构 | 第18-22页 |
| 第2章 掌纹预处理 | 第22-38页 |
| 2.1 掌纹数据库 | 第22-23页 |
| 2.2 掌纹特征定义 | 第23-24页 |
| 2.3 掌纹图像定位分割 | 第24-33页 |
| 2.3.1 掌纹图像与背景分离 | 第24-27页 |
| 2.3.2 边缘提取 | 第27页 |
| 2.3.3 基于最大内切圆的ROI获取 | 第27-29页 |
| 2.3.4 改进的ROI提取新算法 | 第29-32页 |
| 2.3.5 两种ROI提取方法的仿真实验结果比较 | 第32-33页 |
| 2.4 掌纹图像的增强 | 第33-36页 |
| 2.4.1 滤波去噪 | 第33-34页 |
| 2.4.2 灰度增强 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 掌纹特征提取 | 第38-64页 |
| 3.1 掌纹特征提取常用算法 | 第38-45页 |
| 3.1.1 基于结构的特征提取 | 第39-41页 |
| 3.1.2 基于时频分析的特征提取 | 第41-43页 |
| 3.1.3 基于统计的特征提取 | 第43-44页 |
| 3.1.4 基于子空间的特征提取 | 第44-45页 |
| 3.2 纹理图像的傅里叶频谱度量 | 第45-49页 |
| 3.2.1 傅里叶变换 | 第45-47页 |
| 3.2.2 极坐标变换 | 第47-48页 |
| 3.2.3 频谱度量 | 第48-49页 |
| 3.3 Gabor小波变换 | 第49-52页 |
| 3.3.1 2D Gabor小波 | 第49-50页 |
| 3.3.2 基于Gabor小波变换的特征提取 | 第50-52页 |
| 3.4 局部二值模式 | 第52-59页 |
| 3.4.1 原始LBP算子 | 第52-53页 |
| 3.4.2 旋转不变的LBP算子 | 第53-55页 |
| 3.4.3 统一模式的LBP算子 | 第55-57页 |
| 3.4.4 基于统一模式的旋转不变LBP算子 | 第57页 |
| 3.4.5 多方向LBP算子 | 第57-58页 |
| 3.4.6 基于LBP的特征提取 | 第58-59页 |
| 3.5 Gabor小波和LBP相结合的掌纹特征提取新算法 | 第59-63页 |
| 3.5.1 改进的Gabor滤波器 | 第60-61页 |
| 3.5.2 改进的多尺度LBP算子 | 第61-62页 |
| 3.5.3 掌纹特征描述 | 第62-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第4章 基于GA和SVM的掌纹特征匹配算法 | 第64-82页 |
| 4.1 遗传算法原理 | 第64-68页 |
| 4.1.1 遗传算法的基本思想 | 第65-66页 |
| 4.1.2 遗传算法的基本概念 | 第66-67页 |
| 4.1.3 遗传算法的实现过程 | 第67-68页 |
| 4.2 SVM原理 | 第68-72页 |
| 4.2.1 线性可分SVM | 第69-71页 |
| 4.2.2 非线性可分SVM | 第71-72页 |
| 4.3 基于GA的SVM参数优化 | 第72-73页 |
| 4.4 实验结果及分析 | 第73-80页 |
| 4.4.1 本文算法的仿真结果 | 第73-74页 |
| 4.4.2 本文算法与其他算法的对比 | 第74-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第5章 掌纹识别系统的实现 | 第82-88页 |
| 5.1 掌纹识别系统开发平台 | 第82页 |
| 5.2 掌纹识别过程 | 第82-83页 |
| 5.3 系统功能 | 第83-87页 |
| 5.4 本章小结 | 第87-88页 |
| 第6章 总结与展望 | 第88-90页 |
| 6.1 结论 | 第88页 |
| 6.2 展望 | 第88-90页 |
| 参考文献 | 第90-96页 |
| 致谢 | 第96-98页 |
| 攻读硕士学位期间发表的论文 | 第98页 |