| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-23页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 国内外手指静脉相关产品的研究现状 | 第11-15页 |
| 1.2.2 图像质量评估算法的研究现状 | 第15-16页 |
| 1.2.3 手指静脉图像质量评估算法的研究现状 | 第16-18页 |
| 1.3 论文主要研究内容及其整体思路框架结构 | 第18-19页 |
| 1.3.1 论文主要研究内容 | 第18页 |
| 1.3.2 论文整体思路框架结构 | 第18-19页 |
| 1.4 论文的章节安排 | 第19-21页 |
| 1.5 本章小结 | 第21-23页 |
| 2 手指静脉图像特征描述和特征提取 | 第23-29页 |
| 2.1 手指静脉图像的灰度化处理 | 第23页 |
| 2.2 手指静脉图像特征分析和特征描述 | 第23-24页 |
| 2.3 手指静脉图像特征提取 | 第24-27页 |
| 2.3.1 空间域梯度 | 第24-25页 |
| 2.3.2 图像对比度 | 第25页 |
| 2.3.3 图像二维熵 | 第25-26页 |
| 2.3.4 位置偏移度 | 第26页 |
| 2.3.5 图像信噪比传统意义上的信噪比 | 第26-27页 |
| 2.3.6 有效面积 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 常用分类算法分析 | 第29-35页 |
| 3.1 加权融合分类 | 第29页 |
| 3.2 贝叶斯分类器 | 第29-30页 |
| 3.3 人工神经网络 | 第30-31页 |
| 3.4 k-近邻 | 第31页 |
| 3.5 支持向量机 | 第31-32页 |
| 3.6 聚类分析法 | 第32-33页 |
| 3.7 决策树学习 | 第33-34页 |
| 3.8 本章小结 | 第34-35页 |
| 4 基于改进的加权融合算法的手指静脉图像质量评估模型 | 第35-45页 |
| 4.1 基于改进的加权融合算法分类模型的建立 | 第35页 |
| 4.2 基于改进的加权融合算法分类模型的实验、结果及分析 | 第35-43页 |
| 4.2.1 改进的加权融合算法特征参数选择实验 | 第35-39页 |
| 4.2.2 与传统的加权融合算法的对比实验 | 第39-41页 |
| 4.2.3 识别对比实验、结果及分析 | 第41-43页 |
| 4.3 本章小结 | 第43-45页 |
| 5 基于支持向量机（SVM）算法的手指静脉图像质量评估模型 | 第45-61页 |
| 5.1 支持向量机（SVM）基本理论 | 第45-52页 |
| 5.1.1 线性可分支持向量机 | 第45-49页 |
| 5.1.2 线性不可分支持向量机 | 第49-50页 |
| 5.1.3 核函数的基本概念 | 第50-52页 |
| 5.2 支持向量机模型的建立 | 第52-54页 |
| 5.3 支持向量机（SVM）模型实验及分析 | 第54-59页 |
| 5.3.1 手指静脉图像特征值选择实验 | 第54-55页 |
| 5.3.2 支持向量机（SVM）核函数选择实验 | 第55-58页 |
| 5.3.3 支持向量机（SVM）分类模型可行性验证实验 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 6 总结和展望 | 第61-63页 |
| 6.1 论文总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第69-70页 |
