手指静脉识别技术中特征提取算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 手指静脉识别的研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 手指静脉识别技术的研究内容 | 第13页 |
| 1.4 本文的主要研究内容及章节安排 | 第13-16页 |
| 第2章 手指静脉识别系统框架及性能评估 | 第16-22页 |
| 2.1 手指静脉识别系统框架 | 第16-19页 |
| 2.1.1 手指静脉图像采集 | 第16-17页 |
| 2.1.2 图像预处理 | 第17-18页 |
| 2.1.3 编码与特征提取 | 第18-19页 |
| 2.1.4 匹配 | 第19页 |
| 2.2 手指静脉识别系统性能评估 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 手指静脉图像定位及归一化 | 第22-30页 |
| 3.1 手指定位 | 第22-27页 |
| 3.1.1 粗二值定位法 | 第22-23页 |
| 3.1.2 超像素定位法 | 第23-27页 |
| 3.2 本文使用的手指静脉定位方法 | 第27-29页 |
| 3.3 手指静脉图像的归一化 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 双倍二元模式的手指静脉识别算法 | 第30-44页 |
| 4.1 相关算法 | 第31-36页 |
| 4.1.1 LBP算法 | 第31-32页 |
| 4.1.2 ICS-LBP算法 | 第32-33页 |
| 4.1.3 DCP算法 | 第33-34页 |
| 4.1.4 IRT算法 | 第34-35页 |
| 4.1.5 LODP算法 | 第35-36页 |
| 4.2 DBP特征提取算法 | 第36-38页 |
| 4.2.1 DBP的邻域取样 | 第36页 |
| 4.2.2 DBP的编码 | 第36-37页 |
| 4.2.3 基于DBP的手指静脉识别 | 第37-38页 |
| 4.2.4 相似性度量 | 第38页 |
| 4.3 实验分析 | 第38-43页 |
| 4.3.1 实验设置 | 第38-39页 |
| 4.3.2 最优模型的确定 | 第39页 |
| 4.3.3 最优半径组合的确定 | 第39-40页 |
| 4.3.4 最优局部块大小的确定 | 第40-41页 |
| 4.3.5 算法性能的比较 | 第41-42页 |
| 4.3.6 实时性分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 全方位二值模式的手指静脉识别算法 | 第44-58页 |
| 5.1 GD-LBP特征提取算法 | 第45-48页 |
| 5.1.1 算法思想 | 第45-46页 |
| 5.1.2 算法编码与特征提取 | 第46-48页 |
| 5.2 基于GD-LBP的手指静脉识别 | 第48-49页 |
| 5.2.1 预处理 | 第49页 |
| 5.2.2 匹配 | 第49页 |
| 5.3 实验分析 | 第49-57页 |
| 5.3.1 实验设置 | 第49-51页 |
| 5.3.2 局部块大小的确定 | 第51-52页 |
| 5.3.3 算法性能的比较 | 第52-54页 |
| 5.3.4 算法鲁棒性分析 | 第54-55页 |
| 5.3.5 匹配分的测试 | 第55-56页 |
| 5.3.6 实时性分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论和展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第66-67页 |
| 附录B 攻读硕士学位期间参加的科研项目 | 第67页 |
