多层次手指静脉图像分类与识别研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 传统生物认证图像分类发展现状 | 第12-13页 |
| 1.2.2 静脉分类与匹配技术发展现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第二章 手指静脉图像分类策略 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 传统手指静脉识别系统简介 | 第16-17页 |
| 2.3 有监督分类与非监督分类 | 第17-18页 |
| 2.4 手指静脉图像分类设计 | 第18-19页 |
| 2.5 层次化分类结构介绍 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 手指静脉图像特征提取方法分析 | 第22-36页 |
| 3.1 引言 | 第22-23页 |
| 3.2 静脉图像表面特征 | 第23-24页 |
| 3.2.1 图像质量特征分析 | 第23-24页 |
| 3.3 静脉图像内容特征 | 第24-32页 |
| 3.3.1 不变矩特征 | 第24-27页 |
| 3.3.2 小波矩特征 | 第27-28页 |
| 3.3.3 多通道单尺度Gabor滤波器特征 | 第28-32页 |
| 3.4 特征提取算法评估 | 第32-34页 |
| 3.4.1 特征向量归一化 | 第32页 |
| 3.4.2 特征提取算法评估 | 第32-33页 |
| 3.4.3 实验结果分析 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 分类算法介绍及实验结果分析 | 第36-49页 |
| 4.1 引言 | 第36页 |
| 4.2 聚类算法介绍 | 第36-39页 |
| 4.2.1 K-均值聚类算法 | 第37页 |
| 4.2.2 改进K-均值聚类算法 | 第37-39页 |
| 4.3 基于改进K均值聚类算法实验结果分析 | 第39-42页 |
| 4.3.1 聚类类别数确定 | 第39页 |
| 4.3.2 聚类实验结果分析 | 第39-42页 |
| 4.4 分类算法介绍 | 第42-46页 |
| 4.4.1 支持向量机 | 第42-45页 |
| 4.4.2 非线性支持向量机 | 第45-46页 |
| 4.5 基于SVM的分类器设计实验结果分析 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 基于POC的静脉匹配技术 | 第49-54页 |
| 5.1 引言 | 第49-50页 |
| 5.2 POC匹配算法 | 第50-52页 |
| 5.3 实验结果及分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 结论 | 第54-57页 |
| 6.1 本文工作总结 | 第54-55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士期间发表论文 | 第63页 |
