掌纹识别技术研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-16页 |
| ·课题研究背景及意义 | 第7页 |
| ·生物特征识别技术 | 第7-8页 |
| ·掌纹识别技术 | 第8-10页 |
| ·掌纹研究的历史 | 第8-9页 |
| ·掌纹稳定性与唯一性分析 | 第9-10页 |
| ·掌纹识别技术的研究进展 | 第10-11页 |
| ·掌纹识别技术的研究现状 | 第11-14页 |
| ·掌纹图像预处理方法的研究现状 | 第11-13页 |
| ·掌纹图像特征提取的研究现状 | 第13-14页 |
| ·掌纹识别技术的框架 | 第14-15页 |
| ·论文研究内容及结构 | 第15-16页 |
| 2 掌纹图像的获取 | 第16-18页 |
| ·大规模的数据库 | 第16-17页 |
| ·本文采取的数据库 | 第17-18页 |
| 3 掌纹图像的预处理 | 第18-26页 |
| ·掌纹图像的定位和分割 | 第18-21页 |
| ·掌纹图像的定位分割 | 第18-20页 |
| ·定位精度测试 | 第20-21页 |
| ·掌纹图像的去噪处理 | 第21-23页 |
| ·掌纹图像去噪的方法及其原理 | 第21-22页 |
| ·结果分析 | 第22-23页 |
| ·掌纹图像增强 | 第23-25页 |
| ·掌纹图像特点分析 | 第23-24页 |
| ·基于直方图变换的图像增强 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 4 掌纹图像的特征提取 | 第26-32页 |
| ·边缘检测 | 第26-28页 |
| ·Sobel 算法原理 | 第26-27页 |
| ·改进的Sobel 算法原理 | 第27-28页 |
| ·结果分析 | 第28页 |
| ·两种变换 | 第28-29页 |
| ·Gabor 变换 | 第28-29页 |
| ·二维快速傅里叶变换 | 第29页 |
| ·掌纹特征提取 | 第29-31页 |
| ·掌纹纹线提取 | 第29-30页 |
| ·二维快速傅里叶变换的实现 | 第30页 |
| ·Gabor 滤波器的设计 | 第30-31页 |
| ·特征的提取 | 第31页 |
| ·本章小结 | 第31-32页 |
| 5 基于BP 神经网络的掌纹特征匹配 | 第32-39页 |
| ·模式识别分类 | 第32页 |
| ·人工神经网络 | 第32-37页 |
| ·BP 神经网络简介 | 第33-35页 |
| ·BP 神经网络结构的确定 | 第35-36页 |
| ·BP 神经网络的训练和测试 | 第36-37页 |
| ·结果分析 | 第37-38页 |
| ·数据库 | 第37-38页 |
| ·实验结果 | 第38页 |
| ·本章小结 | 第38-39页 |
| 6 结论 | 第39-41页 |
| ·总结 | 第39页 |
| ·展望 | 第39-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 附录 | 第44页 |
