| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 手指静脉识别技术概述 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.3.1 国外研究现状 | 第15-17页 |
| 1.3.2 国内研究现状 | 第17-18页 |
| 1.4 本文的研究工作内容及结构安排 | 第18-20页 |
| 第2章 手指静脉图像采集与预处理 | 第20-43页 |
| 2.1 手指静脉图像采集 | 第20-22页 |
| 2.1.1 手指静脉图像成像基本原理 | 第20-21页 |
| 2.1.2 手指静脉图像采集方法 | 第21-22页 |
| 2.2 图像灰度化及滤波 | 第22-26页 |
| 2.2.1 图像的灰度化 | 第22-23页 |
| 2.2.2 图像的滤波 | 第23-26页 |
| 2.3 手指静脉图像感兴趣区域定位 | 第26-39页 |
| 2.3.1 基于内切线的手指静脉图像ROI宽度定位 | 第27-36页 |
| 2.3.2 基于滑窗机制的手指静脉图像ROI高度定位 | 第36-39页 |
| 2.4 归一化处理 | 第39-42页 |
| 2.4.1 尺寸归一化 | 第39-41页 |
| 2.4.2 灰度归一化 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 手指静脉图像特征提取 | 第43-56页 |
| 3.1 手指静脉图像特征提取与匹配原理 | 第43-44页 |
| 3.2 基于LBP的手指静脉图像特征提取 | 第44-45页 |
| 3.3 基于PCA的手指静脉图像特征提取 | 第45-46页 |
| 3.4 基于LBP和PCA的手指静脉图像特征提取 | 第46-47页 |
| 3.5 基于分块LBP和PCA的手指静脉图像特征提取 | 第47-49页 |
| 3.5.1 分块LBP和PCA特征提取算法思路 | 第47页 |
| 3.5.2 提取分块LBP特征 | 第47-48页 |
| 3.5.3 基于分块PCA的特征降维 | 第48-49页 |
| 3.6 手指静脉图像匹配与识别 | 第49-50页 |
| 3.7 实验结果及分析 | 第50-54页 |
| 3.7.1 实验环境和数据库 | 第50-51页 |
| 3.7.2 实验步骤 | 第51页 |
| 3.7.3 实验结果对比与分析 | 第51-54页 |
| 3.8 本章小结 | 第54-56页 |
| 第4章 基于神经网络的手指静脉识别 | 第56-62页 |
| 4.1 神经网络原理 | 第56-57页 |
| 4.2 基于神经网络的手指静脉识别 | 第57-58页 |
| 4.3 本文输入输出层的设计及初始值选择 | 第58-59页 |
| 4.3.1 输入/输出层的设计 | 第59页 |
| 4.3.2 初始值的选择 | 第59页 |
| 4.4 本文隐含层节点数及激活函数的选择 | 第59-60页 |
| 4.4.1 隐含层数目的选择 | 第59-60页 |
| 4.4.2 激活函数的选取 | 第60页 |
| 4.5 在数据库1上的实验结果与分析 | 第60-61页 |
| 4.6 在数据库2上的实验结果与分析 | 第61页 |
| 4.7 本章小结 | 第61-62页 |
| 第5章 手指静脉识别软件设计与实现 | 第62-69页 |
| 5.1 手指静脉识别软件需求 | 第62页 |
| 5.2 手指静脉识别软件系统配置 | 第62页 |
| 5.3 手指静脉识别软件的窗体结构设计 | 第62-64页 |
| 5.4 手指静脉识别软件的功能实现与结果分析 | 第64-68页 |
| 5.4.1 用户登录 | 第64-65页 |
| 5.4.2 手指静脉识别系统主界面功能实现 | 第65-67页 |
| 5.4.3 手指静脉图像预处理功能实现 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 一、总结 | 第69-70页 |
| 二、展望 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 致谢 | 第78-79页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第79-80页 |
| 附录B 攻读学位期间参加的科研项目 | 第80页 |
