| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-19页 |
| 1.1 课题研究目的及意义 | 第13-15页 |
| 1.2 手背静脉识别技术研究现状 | 第15-16页 |
| 1.3 手背静脉识别的研究难点 | 第16-17页 |
| 1.4 本课题研究内容 | 第17-19页 |
| 2 手背静脉图像的采集 | 第19-26页 |
| 2.1 手背静脉采集装置简介 | 第19页 |
| 2.2 手背静脉图像数据采集装置设计原理 | 第19-20页 |
| 2.3 手背静脉识别系统框架 | 第20-21页 |
| 2.4 手背静脉图像的获取 | 第21-25页 |
| 2.4.1 传感器的选择 | 第22-23页 |
| 2.4.2 镜头的选择 | 第23页 |
| 2.4.3 近红外光源的选择 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 手背静脉图像的预处理 | 第26-33页 |
| 3.1 手背静脉图像灰度均衡化 | 第27页 |
| 3.2 手背图像去噪 | 第27-30页 |
| 3.2.1 滤波去噪算法 | 第28-29页 |
| 3.2.2 本文采用的滤波算法 | 第29-30页 |
| 3.3 感兴趣区域选择与定位 | 第30-33页 |
| 4. 手掌静脉图像的特征提取与匹配 | 第33-54页 |
| 4.1 目前主要的手背静脉识别方法 | 第33-35页 |
| 4.1.1 连线角度特征提取[19] | 第33-34页 |
| 4.1.2 基于分块和偏最小二乘识别算法[20] | 第34-35页 |
| 4.1.3 基于局部纹理描述算子法[21] | 第35页 |
| 4.2 基于像素环形均值匹配算法 | 第35-45页 |
| 4.2.1 BP神经网络 | 第35-36页 |
| 4.2.2 基于神经网络的图像匹配 | 第36-37页 |
| 4.2.3 图像匹配的BP神经网络设计 | 第37-38页 |
| 4.2.4 算法的性能分析 | 第38页 |
| 4.2.5 BP神经网络算法缺陷与不足 | 第38-39页 |
| 4.2.6 关于BP神经网络缺陷问题的改进算法 | 第39-40页 |
| 4.2.7 基于像素环形均值的神经网络匹配算法在图像匹配的应用 | 第40-43页 |
| 4.2.8 基于像素环形排列的灰度平均值算法 | 第43-45页 |
| 4.3 基于局部二值模式的改进型手背特征提取 | 第45-50页 |
| 4.3.1 局部二值模式的由来与发展 | 第45-46页 |
| 4.3.2 局部二值模式具体算法 | 第46-47页 |
| 4.3.3 圆形局部二值编码 | 第47-49页 |
| 4.3.4 基于共同背景的局部二值模式（MF_LBP) | 第49-50页 |
| 4.4 实验结果及分析 | 第50-54页 |
| 4.4.1 基于像素环形均值算法实验结果分析 | 第51-52页 |
| 4.4.2 基于共同背景局部二值模式算法实验结果分析 | 第52-54页 |
| 5 特征融合 | 第54-58页 |
| 5.1 信息融合简介 | 第54页 |
| 5.2 融合分类 | 第54-56页 |
| 5.3 对于相关融合算法在本文中的适用分析 | 第56-57页 |
| 5.4 结论 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62页 |
