基于SIFT和Gabor变换的两类掌纹识别算法研究
| 中文摘要 | 第5-6页 |
| 英文摘要 | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 掌纹识别技术综述 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第12-13页 |
| 1.2.2 掌纹识别技术的应用现状 | 第13-15页 |
| 1.2.3 掌纹数据库 | 第15页 |
| 1.3 论文的内容和结构安排 | 第15-17页 |
| 2 掌纹识别的理论与方法 | 第17-30页 |
| 2.1 掌纹识别的基本流程 | 第17-18页 |
| 2.1.1 掌纹图像的获取 | 第17页 |
| 2.1.2 掌纹特征的提取 | 第17页 |
| 2.1.3 掌纹特征的匹配 | 第17-18页 |
| 2.2 掌纹图像的特征提取 | 第18-24页 |
| 2.2.1 基于纹线结构的方法 | 第18-19页 |
| 2.2.2 基于纹理编码的方法 | 第19-21页 |
| 2.2.3 基于子空间和特征融合的方法 | 第21-23页 |
| 2.2.4 基于统计的方法 | 第23-24页 |
| 2.3 特征匹配算法 | 第24-29页 |
| 2.3.1 基于距离的分类 | 第24-25页 |
| 2.3.2 模式分类算法 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 掌纹图像的感兴趣区域定位分割 | 第30-38页 |
| 3.1 掌纹图像区域分割流程 | 第30-31页 |
| 3.2 轮廓提取 | 第31-34页 |
| 3.2.1 顺序统计滤波 | 第32页 |
| 3.2.2 二值化 | 第32-33页 |
| 3.2.3 形态学 | 第33-34页 |
| 3.3 角点检测 | 第34-35页 |
| 3.4 图像的定位和分割 | 第35页 |
| 3.5 实验结果 | 第35-36页 |
| 3.6 本章小结 | 第36-38页 |
| 4 基于Gabor小波变换的掌纹识别算法 | 第38-47页 |
| 4.1 Gabor变换 | 第38-41页 |
| 4.2 核主成分分析（KPCA） | 第41-42页 |
| 4.3 掌纹特征提取 | 第42-44页 |
| 4.4 实验与分析 | 第44-46页 |
| 4.4.1 实验数据的选取 | 第44页 |
| 4.4.2 算法的实现 | 第44-45页 |
| 4.4.3 实验分析 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 基于SIFT特征匹配的掌纹识别算法 | 第47-57页 |
| 5.1 SIFT特征关键点提取算法 | 第47-49页 |
| 5.2 SIFT关键点匹配算法 | 第49页 |
| 5.3 SIFT关键点匹配计数的掌纹识别算法 | 第49-50页 |
| 5.4 掌纹识别实验与分析 | 第50-56页 |
| 5.4.1 实验数据与测试环境 | 第50-51页 |
| 5.4.2 掌纹图像的预处理 | 第51页 |
| 5.4.3 训练样本集的SIFT特征关键点提取 | 第51-52页 |
| 5.4.4 检索训练样本集，对匹配点计数 | 第52-54页 |
| 5.4.5 掌纹的识别判决 | 第54-55页 |
| 5.4.6 结果分析 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 未来工作的展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录A:攻读硕士期间发表的论文 | 第64-65页 |
| 致谢 | 第65页 |
