静脉特征快速检索技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景、目的和意义 | 第10-11页 |
| 1.2 生物特征识别技术 | 第11-16页 |
| 1.2.1 常见的生物特征识别技术 | 第12-16页 |
| 1.2.2 生物特征识别技术对比 | 第16页 |
| 1.3 国内外研究现状 | 第16-17页 |
| 1.3.1 国外研究现状 | 第16-17页 |
| 1.3.2 国内研究现状 | 第17页 |
| 1.4 本文的主要工作及结构安排 | 第17-19页 |
| 第二章 静脉图像采集与预处理 | 第19-31页 |
| 2.1 静脉图像的采集 | 第19-21页 |
| 2.2 感兴趣区域的提取 | 第21-25页 |
| 2.3 静脉图像标准化 | 第25-27页 |
| 2.3.1 静脉图像尺寸标准化 | 第25-26页 |
| 2.3.2 静脉图像直方图均衡化 | 第26-27页 |
| 2.4 静脉图像的去噪 | 第27-31页 |
| 2.4.1 中值滤波 | 第28-29页 |
| 2.4.2 带阻滤波 | 第29-31页 |
| 第三章 静脉特征提取与识别算法 | 第31-46页 |
| 3.0 纹理特征概述 | 第31-32页 |
| 3.1 LBP算法概述 | 第32-37页 |
| 3.1.1 原始LBP算子 | 第32-33页 |
| 3.1.2 归一化LBP算子 | 第33-34页 |
| 3.1.3 旋转不变归一化LBP算子 | 第34-35页 |
| 3.1.4 MB-LBP算子 | 第35-36页 |
| 3.1.5 CS-LBP算子 | 第36-37页 |
| 3.2 分块IMC-LBP算子 | 第37-41页 |
| 3.2.1 图像分块 | 第37-38页 |
| 3.2.2 提取宏观局部特征和微观特征 | 第38-39页 |
| 3.2.3 归一化模式 | 第39-40页 |
| 3.2.4 融合和加权 | 第40-41页 |
| 3.3 实验结果与分析 | 第41-46页 |
| 第四章 静脉特征快速检索算法 | 第46-61页 |
| 4.1 索引简介 | 第46-50页 |
| 4.1.1 近似最近邻检索 | 第46-48页 |
| 4.1.2 索引技术概述 | 第48-49页 |
| 4.1.3 检索算法性能评价标准 | 第49-50页 |
| 4.2 基于E~2LSH的静脉特征快速检索 | 第50-52页 |
| 4.2.1 局部敏感哈希和p稳定分布 | 第50页 |
| 4.2.2 哈希函数及索引 | 第50-52页 |
| 4.2.3 E~2LSH算法实现 | 第52页 |
| 4.3 基于随机KD树的静脉特征快速检索 | 第52-57页 |
| 4.3.1 KD树节点结构 | 第52-53页 |
| 4.3.2 KD树的构造 | 第53-55页 |
| 4.3.3 KD树的最近邻检索 | 第55-56页 |
| 4.3.4 随机KD树 | 第56-57页 |
| 4.4 实验结果与分析 | 第57-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
