| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 论文研究背景 | 第16页 |
| 1.2 论文研究的意义 | 第16-17页 |
| 1.3 论文研究的指静脉识别的发展状况 | 第17-22页 |
| 1.3.1 国内发展状况 | 第17-19页 |
| 1.3.2 国外静脉识别的发展 | 第19-22页 |
| 1.4 指静脉识别的难点 | 第22页 |
| 1.5 本文主要研究的内容 | 第22-23页 |
| 1.6 本文的内容安排 | 第23-26页 |
| 第二章 相关生物识别技术的分析 | 第26-37页 |
| 2.1 指纹识别 | 第26-27页 |
| 2.2 人脸识别 | 第27-28页 |
| 2.3 手形识别 | 第28-29页 |
| 2.4 笔迹识别 | 第29页 |
| 2.5 声纹识别 | 第29-31页 |
| 2.6 掌纹识别 | 第31-32页 |
| 2.7 虹膜识别 | 第32-34页 |
| 2.8 静脉识别 | 第34-35页 |
| 2.9 研究静脉识别的原因 | 第35-37页 |
| 第三章 基于近红外静脉图像的采集 | 第37-48页 |
| 3.1 引言 | 第37页 |
| 3.2 近红外手指静脉图像采集方式的介绍 | 第37-39页 |
| 3.2.1 红外热成像获取方式 | 第37页 |
| 3.2.2 近红外图像的获取 | 第37-39页 |
| 3.2.3 近红外成像、红外热成像的对比 | 第39页 |
| 3.3 光源的选择 | 第39-40页 |
| 3.4 摄像装置及辅助器件 | 第40-45页 |
| 3.4.1 成像设备的选择 | 第40-43页 |
| 3.4.2 滤光片的选择 | 第43-45页 |
| 3.5 采集装置的实现及图像的采集 | 第45-46页 |
| 3.6 小结 | 第46-48页 |
| 第四章 静脉图像的预处理 | 第48-80页 |
| 4.1 引言 | 第48-58页 |
| 4.1.1 图像的定位和图像的截取 | 第49-51页 |
| 4.1.2 静脉图像的尺寸归一化 | 第51-55页 |
| 4.1.3 静脉图像灰度归一化 | 第55-56页 |
| 4.1.4 基于脊波滤波法的静脉图像增强 | 第56-58页 |
| 4.2 图像分割 | 第58-65页 |
| 4.3 手指静脉纹路分析的基于方向谷形的检测分割算法 | 第65-71页 |
| 4.4 图像的滤波与去噪 | 第71-73页 |
| 4.5 图像的细化 | 第73-78页 |
| 4.5.1 静脉图像细化算法 | 第73-75页 |
| 4.5.2 改进细化方法 | 第75-76页 |
| 4.5.3 毛刺的裁剪 | 第76页 |
| 4.5.4 去“毛刺”后的图像的修复 | 第76-78页 |
| 4.6 小结 | 第78-80页 |
| 第五章 特征值的提取与匹配 | 第80-100页 |
| 5.1 静脉特征提取与匹配原理的介绍与发展现状 | 第80-81页 |
| 5.2 几何特征的特征提取与匹配识别 | 第81-84页 |
| 5.2.1 计算特征值 | 第81-83页 |
| 5.2.2 验证算法性能 | 第83-84页 |
| 5.3 基于Hu不变矩的特征提取与匹配算法 | 第84-91页 |
| 5.3.1 特征值计算 | 第84-87页 |
| 5.3.2 算法性能验证 | 第87-91页 |
| 5.4 基于NMI的特征提取与匹配算法 | 第91-98页 |
| 5.4.1 特征值计算 | 第91-94页 |
| 5.4.2 算法性能验证 | 第94-98页 |
| 5.5 本章小结 | 第98-100页 |
| 第六章 总结和展望 | 第100-102页 |
| 6.1 工作总结 | 第100-101页 |
| 6.2 研究展望 | 第101-102页 |
| 致谢 | 第102-104页 |
| 参考文献 | 第104-108页 |