| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 本课题的研究背景、目的和意义 | 第10-11页 |
| 1.2 手指静脉识别技术的基础知识 | 第11-13页 |
| 1.2.1 手指静脉识别系统的流程框架 | 第11-12页 |
| 1.2.2 手指静脉图像采集原理 | 第12-13页 |
| 1.3 手指静脉识别技术的研究现状 | 第13-15页 |
| 1.4 本文的主要内容和章节安排 | 第15-17页 |
| 第2章 手指静脉图像的处理技术 | 第17-29页 |
| 2.1 感兴趣区域提取 | 第17-19页 |
| 2.2 尺度和灰度归一化 | 第19-20页 |
| 2.2.1 尺度归一化 | 第19-20页 |
| 2.2.2 灰度归一化 | 第20页 |
| 2.3 图像的分割 | 第20-23页 |
| 2.3.1 OTSU算法 | 第21-22页 |
| 2.3.2 Niblack算法 | 第22-23页 |
| 2.4 手指静脉图像的后处理 | 第23-26页 |
| 2.4.1 去噪和滤波处理 | 第23-24页 |
| 2.4.2 细化处理 | 第24-25页 |
| 2.4.3 毛刺的剪裁 | 第25-26页 |
| 2.5 手指静脉的匹配识别 | 第26-28页 |
| 2.5.1 工作模式 | 第26页 |
| 2.5.2 性能参数 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于改进的方向检测手指静脉特征提取算法 | 第29-42页 |
| 3.1 高斯低通滤波器增强静脉图像 | 第29-31页 |
| 3.1.1 高斯低通滤波器 | 第29-30页 |
| 3.1.2 参数值的选取 | 第30页 |
| 3.1.3 图像增强实验 | 第30-31页 |
| 3.2 手指静脉图像的方向检测 | 第31-33页 |
| 3.2.1 指纹图像的方向检测 | 第31-32页 |
| 3.2.2 新的方向模板算子 | 第32-33页 |
| 3.3 基于改进的方向检测手指静脉特征提取算法 | 第33-36页 |
| 3.3.1 算法描述 | 第33-35页 |
| 3.3.2 细化图像和特征点图像 | 第35-36页 |
| 3.4 手指静脉的匹配算法 | 第36-38页 |
| 3.4.1 基于MHD的手指静脉模板匹配算法 | 第36-37页 |
| 3.4.2 两种模板匹配的效果对比 | 第37-38页 |
| 3.5 实验结果分析 | 第38-41页 |
| 3.5.1 纹路提取效果对比 | 第38-39页 |
| 3.5.2 图像增强对图像分割的影响 | 第39页 |
| 3.5.3 识别精度实验和分析 | 第39-40页 |
| 3.5.4 匹配的运行时间 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于模块化子空间的手指静脉识别算法 | 第42-56页 |
| 4.1 二维主成分分析 | 第42-43页 |
| 4.2 模块化二维主成分分析 | 第43-44页 |
| 4.3 二维线性判别分析 | 第44-47页 |
| 4.4 基于两个方向的模块化二维主成分分析 | 第47-50页 |
| 4.4.1 M2DPCA+2DPCA | 第47-49页 |
| 4.4.2 M2DPCA+2DLDA | 第49-50页 |
| 4.5 实验结果分析 | 第50-55页 |
| 4.5.1 单方向二维线性分析法效果分析 | 第50-52页 |
| 4.5.2 单方向M2DPCA算法效果分析 | 第52页 |
| 4.5.3 两个方向二维线性分析法效果分析 | 第52-54页 |
| 4.5.4 两个方向模块化二维主成分分析法效果分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 研究总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |