| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 序 | 第10-13页 |
| 1 引言 | 第13-19页 |
| ·课题研究的背景和意义 | 第13-15页 |
| ·生物特征识别 | 第15-19页 |
| ·生物特征的特性及分类 | 第15-17页 |
| ·生物特征识别系统结构 | 第17-19页 |
| 2 手部图像Haar特征 | 第19-30页 |
| ·Haar特征原型及推广 | 第19-20页 |
| ·Haar特征计算 | 第20-22页 |
| ·Adaboost算法描述 | 第22-25页 |
| ·手的Haar特征训练过程 | 第25-30页 |
| 3 手模型建立 | 第30-40页 |
| ·Procrusts问题分析 | 第30-34页 |
| ·手部特征点描述 | 第34-36页 |
| ·模型建立 | 第36-40页 |
| 4 改进的YCrCb空间算法 | 第40-43页 |
| ·传统YCrCb色彩空间的一般特征及不足 | 第40-41页 |
| ·改进的YCrCb空间算法 | 第41-43页 |
| 5 实时的区域学习 | 第43-51页 |
| ·手部图像的采集 | 第43-44页 |
| ·手掌图像数据库的建立 | 第44-46页 |
| ·BJTU1手掌图像数据库 | 第44-45页 |
| ·PolyU手掌数据库 | 第45-46页 |
| ·电脑外摄像头采集的BJTU2手掌图像视频数据库 | 第46页 |
| ·掌纹ROI定位 | 第46-49页 |
| ·基于PolyU数据库的掌纹图像ROI提取过程 | 第46-47页 |
| ·基于BJTU1、BJTU2手掌数据库图像掌纹ROI定位 | 第47-49页 |
| ·区域学习 | 第49-51页 |
| 6 掌纹特征识别算法研究 | 第51-65页 |
| ·基于PCA主成分分析掌纹识别 | 第51-53页 |
| ·小波变换方法 | 第53-56页 |
| ·小波变换 | 第54-56页 |
| ·PCA主成分分析与小波变换相结合的掌纹识别 | 第56页 |
| ·高频子带相关分析与特征增强 | 第56-65页 |
| ·原理分析 | 第56-60页 |
| ·实验分析 | 第60-65页 |
| 7 结论 | 第65-67页 |
| ·本文的主要工作 | 第65-66页 |
| ·今后工作展望 | 第66-67页 |
| 8 结束语 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |