| 第1章 绪论 | 第1-22页 |
| ·课题研究背景 | 第12页 |
| ·课题研究的目的和意义 | 第12-14页 |
| ·国内外的研究现状 | 第14-19页 |
| ·生物特征识别研究现状 | 第14-18页 |
| ·静脉识别研究现状 | 第18-19页 |
| ·手背静脉识别系统的总体框架 | 第19-20页 |
| ·课题的研究难点 | 第20-21页 |
| ·本文的主要工作及内容安排 | 第21-22页 |
| 第2章 静脉采集装置的研制 | 第22-51页 |
| ·静脉采集装置的基本原理及系统构架 | 第22-28页 |
| ·静脉图像的成像 | 第23-28页 |
| ·静脉图像的传输 | 第28页 |
| ·系统的接口电路的设计 | 第28-40页 |
| ·常用通信接口电路的比较 | 第28-30页 |
| ·USB传输方式 | 第30-32页 |
| ·USB控制器芯片的构成 | 第32-35页 |
| ·USB接口电路设计 | 第35-38页 |
| ·USB控制芯片 CY7C68013和图像传感器的连接 | 第38-40页 |
| ·系统实现及试验分析 | 第40-50页 |
| ·USB固件程序设计 | 第40-44页 |
| ·主机应用程序设计 | 第44-45页 |
| ·实验结果 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第3章 静脉图像的处理 | 第51-76页 |
| ·静脉图像前期处理 | 第51-58页 |
| ·静脉图像尺寸归一化 | 第51-53页 |
| ·静脉图像灰度归一化 | 第53-56页 |
| ·静脉图像的增强 | 第56-58页 |
| ·图像分割 | 第58-70页 |
| ·闭值分割方法简介 | 第58-61页 |
| ·几种经典的阈值分割方法 | 第61-66页 |
| ·本文最终采用的图像分割方法 | 第66-70页 |
| ·图像的后处理 | 第70-72页 |
| ·图像的滤波与去噪 | 第70-72页 |
| ·图像的细化 | 第72-75页 |
| ·条件细化算法 | 第72-73页 |
| ·改进后的细化算法 | 第73-75页 |
| ·图像细化后修复 | 第75页 |
| ·本章小结 | 第75-76页 |
| 第4章 手背静脉图像的特征提取与匹配 | 第76-95页 |
| ·基于静脉几何结构的特征提取 | 第76-84页 |
| ·端点和交叉点的提取 | 第77-81页 |
| ·毛刺的去除—另一类噪声 | 第81页 |
| ·星型结构 | 第81-82页 |
| ·局部匹配方案 | 第82-83页 |
| ·全局匹配方案 | 第83-84页 |
| ·基于特征矩的特征提取 | 第84-87页 |
| ·几何矩 | 第85-86页 |
| ·模板匹配 | 第86-87页 |
| ·K-L压缩变换特征提取 | 第87-94页 |
| ·K-L变换特征提取简介 | 第87-89页 |
| ·K-L特征空间的奇异值分解 | 第89-91页 |
| ·主分量法的奇异值分解实现 | 第91-93页 |
| ·分类器的设计 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 第5章 手背静脉识别系统的分类器设计 | 第95-106页 |
| ·分类器设计 | 第96-99页 |
| ·常用分类器方法 | 第96-97页 |
| ·基于 K-L变换的加权距离法 | 第97-99页 |
| ·实验结果分析与讨论 | 第99-102页 |
| ·K-L变换方法的实验结果及分析 | 第100-101页 |
| ·基于静脉几何结构匹配方法的实验结果与分析 | 第101-102页 |
| ·基于特征矩加模板匹配的实验结果分析 | 第102页 |
| ·基于决策层融合的识别新方法 | 第102-105页 |
| ·图像信息融合技术的基本概念 | 第102-103页 |
| ·基于决策级的结果融合方法 | 第103-104页 |
| ·融合方法的实验结果及分析 | 第104-105页 |
| ·本章小结 | 第105-106页 |
| 结论 | 第106-108页 |
| 参考文献 | 第108-122页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第122-123页 |
| 致谢 | 第123页 |