手指静脉识别算法研究
| 提要 | 第1-9页 |
| 第1章 绪论 | 第9-13页 |
| ·静脉识别技术研究意义 | 第9-10页 |
| ·静脉识别技术研究现状 | 第10-11页 |
| ·本文主要内容和结构 | 第11-13页 |
| 第2章 基于传统图像分割法的手指静脉提取 | 第13-22页 |
| ·手指静脉图像 | 第13-15页 |
| ·红外手指静脉图像 | 第13-14页 |
| ·合成手指静脉图像 | 第14-15页 |
| ·手指静脉图像预处理 | 第15-18页 |
| ·局部直方图均衡化 | 第15-16页 |
| ·手指静脉图像灰度归一化 | 第16-18页 |
| ·传统图像分割法分割手指静脉 | 第18-21页 |
| ·固定阈值法提取指静脉 | 第18页 |
| ·总体均值阈值法提取指静脉 | 第18-19页 |
| ·最大类间方差法(OTSU) 提取指静脉 | 第19-20页 |
| ·阈值图像法提取指静脉 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于活动轮廓模型的手指静脉提取 | 第22-42页 |
| ·参数活动轮廓模型主要算法 | 第22-27页 |
| ·Snake 模型 | 第22-25页 |
| ·气球力Snake 模型 | 第25-26页 |
| ·梯度矢量流Snake 模型（GVF） | 第26-27页 |
| ·非参数（几何）活动轮廓模型主要算法 | 第27-36页 |
| ·水平集方法 | 第27-30页 |
| ·测底线Snake 模型（GAC） | 第30-32页 |
| ·无边缘Snake 模型(C-V) | 第32-36页 |
| ·局部能量C-V 模型提取手指静脉轮廓 | 第36-41页 |
| ·局部能量C-V 模型 | 第36-37页 |
| ·局部能量C-V 模型的变分水平集 | 第37-38页 |
| ·能量公式的梯度下降流 | 第38-39页 |
| ·实验与分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于最大曲率法的手指静脉提取 | 第42-49页 |
| ·最大曲率模型的基本原理 | 第42-43页 |
| ·最大曲率模型的算法流程 | 第43-46页 |
| ·提取静脉中心位置 | 第44-46页 |
| ·连接静脉中心点 | 第46页 |
| ·静脉识别 | 第46页 |
| ·手指静脉的提取及细化 | 第46-48页 |
| ·手指静脉的提取 | 第46-47页 |
| ·主要静脉提取算法的效果比较 | 第47-48页 |
| ·手指静脉细化 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第5章 手指静脉矩特征提取与匹配 | 第49-56页 |
| ·Hu 不变矩 | 第49-52页 |
| ·不变矩的基本概念 | 第49-50页 |
| ·Hu 不变矩特征性能分析 | 第50-52页 |
| ·不变矩特征的提取、匹配、识别实验 | 第52-55页 |
| ·不变矩特征提取 | 第52-54页 |
| ·不变矩特征的匹配量化 | 第54-55页 |
| ·量化值决策 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第6章 手指静脉矩特征量化层融合 | 第56-67页 |
| ·特征融合概况 | 第56-57页 |
| ·矩特征量化层融合算法 | 第57-62页 |
| ·量化值双峰分布 | 第57-59页 |
| ·量化值归一化 | 第59页 |
| ·量化值融合策略 | 第59-62页 |
| ·实验与分析 | 第62-66页 |
| ·特征矩匹配量化 | 第62页 |
| ·单特征法 | 第62-63页 |
| ·平均加和法融合 | 第63-64页 |
| ·加权平均法融合 | 第64-65页 |
| ·三种方法性能比较 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第7章 总结 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 摘要 | 第75-78页 |
| Abstract | 第78-80页 |
