| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 手指静脉识别的关键技术 | 第15-21页 |
| 2.1 手指静脉识别步骤 | 第15-16页 |
| 2.2 图像质量评估 | 第16页 |
| 2.3 图像感兴趣区域提取 | 第16页 |
| 2.4 图像增强 | 第16-19页 |
| 2.4.1 四向Gabor滤波算法的手指静脉图像增强方法 | 第16-18页 |
| 2.4.2 Retinex滤波算法进行手指静脉图像增强 | 第18-19页 |
| 2.5 手指静脉特征提取 | 第19-20页 |
| 2.5.1 最大曲率(MC) | 第19页 |
| 2.5.2 重复线路跟踪(RLT) | 第19页 |
| 2.5.3 宽线检测器(WLD) | 第19页 |
| 2.5.4 主曲率(PC) | 第19-20页 |
| 2.5.5 Gabor滤波器(GF) | 第20页 |
| 2.5.6 各向同性非抽象小波变换(IUWT) | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 图像预处理 | 第21-43页 |
| 3.1 图像质量评估 | 第21-26页 |
| 3.1.1 图像质量评估因素 | 第21-23页 |
| 3.1.2 提取静脉区域的灰度值 | 第23-24页 |
| 3.1.3 基于深度阈值检测静脉点 | 第24-25页 |
| 3.1.4 基于积累静脉点的数量归一化质量分数 | 第25-26页 |
| 3.2 图像旋转校正 | 第26-34页 |
| 3.2.1 一种提取目标图像最小外接矩形的快速算法 | 第26-29页 |
| 3.2.2 手指边缘检测 | 第29-30页 |
| 3.2.3 手指旋转 | 第30-34页 |
| 3.3 图像感兴趣区域提取 | 第34-35页 |
| 3.4 基于模糊融合的手指静脉图像增强方法 | 第35-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 手指静脉特征提取和匹配识别 | 第43-53页 |
| 4.1 特征级融合手指静脉特征提取 | 第43-45页 |
| 4.1.1 先开运算后闭运算处理 | 第43页 |
| 4.1.2 图像骨架化 | 第43-44页 |
| 4.1.3 特征级融合 | 第44-45页 |
| 4.2 基于细节点MHD手指静脉识别 | 第45-51页 |
| 4.2.1 细节点的提取 | 第45-48页 |
| 4.2.2 MHD算法 | 第48-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第5章 实验与分析 | 第53-61页 |
| 5.1 实验相关介绍 | 第53页 |
| 5.2 实验结果与分析 | 第53-59页 |
| 5.2.1 图像质量评估 | 第53-55页 |
| 5.2.2 图像旋转校正 | 第55-56页 |
| 5.2.3 基于模糊融合的手指静脉图像增强方法 | 第56-57页 |
| 5.2.4 特征级融合手指静脉特征提取 | 第57-58页 |
| 5.2.5 综合实验 | 第58-59页 |
| 5.3 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 致谢 | 第69页 |
