| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8页 |
| 1.2 静脉识别研究现状 | 第8-16页 |
| 1.2.1 静脉图像的采集与识别系统的实现 | 第9-11页 |
| 1.2.2 静脉识别算法的研究现状 | 第11-16页 |
| 1.3 论文的贡献 | 第16-17页 |
| 1.4 本文章节安排 | 第17-18页 |
| 第二章 静脉识别算法概要 | 第18-30页 |
| 2.1 静脉近红外成像原理 | 第18-19页 |
| 2.2 静脉图像的采集过程 | 第19-26页 |
| 2.2.1 基于DM642开发板的静脉图像采集电路 | 第19-23页 |
| 2.2.2 基于监控摄像头的静脉图像采集电路 | 第23-24页 |
| 2.2.3 手背静脉数据库的分析与建立 | 第24-26页 |
| 2.3 静脉图像的预处理 | 第26-30页 |
| 2.3.1 手背静脉图像ROI提取 | 第27-28页 |
| 2.3.2 特征变换所采用的除噪过程 | 第28页 |
| 2.3.3 静脉骨架提取所采用的除噪过程 | 第28-30页 |
| 第三章 基于均衡离散曲率波变换的手背静脉识别 | 第30-40页 |
| 3.1 算法描述 | 第30-37页 |
| 3.1.1 第二代Curvelet变换简介 | 第30-31页 |
| 3.1.2 连续Curvelet变换定义 | 第31-32页 |
| 3.1.3 离散Curvelet变换定义 | 第32-33页 |
| 3.1.4 FDCT的步骤 | 第33页 |
| 3.1.5 UDCT的定义 | 第33-34页 |
| 3.1.6 局部异或算子(Local XOR Pattern)及流程 | 第34-37页 |
| 3.2 算法实验结果及讨论 | 第37-39页 |
| 3.2.1 算法实验硬件平台和数据库 | 第37页 |
| 3.2.2 算法的衡量标准 | 第37-38页 |
| 3.2.3 算法的实验结果对比 | 第38-39页 |
| 3.2.4 算法的实验分析 | 第39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于UDCT和三角形测量特征融合的手背静脉识别 | 第40-45页 |
| 4.1 算法描述 | 第40-43页 |
| 4.1.1 系统框图 | 第40-41页 |
| 4.1.2 特征点定位及三角形测量方法介绍 | 第41-42页 |
| 4.1.3 特征融合 | 第42-43页 |
| 4.2 算法实验结果及讨论 | 第43-44页 |
| 4.2.1 算法实验硬件平台和数据库 | 第43页 |
| 4.2.2 算法的实验结果对比 | 第43-44页 |
| 4.2.3 算法的实验分析 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 基于UDCT和Log-Gabor特征融合的手掌静脉识别 | 第45-52页 |
| 5.1 算法描述 | 第45-48页 |
| 5.1.1 系统框图 | 第45-46页 |
| 5.1.2 手掌纹理的特殊预处理过程 | 第46-47页 |
| 5.1.3 Log-Gabor介绍 | 第47-48页 |
| 5.2 算法实验结果及讨论 | 第48-51页 |
| 5.2.1 算法实验硬件平台和数据库 | 第48-49页 |
| 5.2.2 算法的实验结果对比 | 第49-50页 |
| 5.2.3 算法的实验分析 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士期间发表论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
