| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究的目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 手指静脉图像预处理 | 第17-24页 |
| 2.1 手指静脉图像采集装置原理 | 第17-19页 |
| 2.2 训练样本集来源 | 第19-20页 |
| 2.3 实验环境及测试软件 | 第20页 |
| 2.4 灰度归一化 | 第20-21页 |
| 2.5 基于模糊集的图像增强方法 | 第21-22页 |
| 2.6 本章小结 | 第22-24页 |
| 3 手指静脉图像分割算法研究 | 第24-37页 |
| 3.1 图像分割原理以及经典算法 | 第24-28页 |
| 3.2 基于改进的Niblack算法的手指静脉图像分割方法 | 第28-34页 |
| 3.2.1 Niblack分割理论基础 | 第28-29页 |
| 3.2.2 Niblack算法缺点及其经典改进 | 第29-30页 |
| 3.2.3 改进的Niblack算法 | 第30-34页 |
| 3.3 手指静脉图像分割实验与分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 手指静脉图像细化算法研究 | 第37-49页 |
| 4.1 串行细化算法 | 第37-41页 |
| 4.1.1 Hildich细化算法 | 第38-39页 |
| 4.1.2 OPTA细化算法 | 第39-40页 |
| 4.1.3 SPTA细化算法 | 第40-41页 |
| 4.2 并行细化算法 | 第41-43页 |
| 4.2.1 ZHANG快速并行细化算法 | 第41-42页 |
| 4.2.2 Rosenfeld算法 | 第42页 |
| 4.2.3 LW和 EPTA算法 | 第42-43页 |
| 4.3 针对手指静脉图像改进的Hilditch算法 | 第43-46页 |
| 4.4 手指静脉图像细化实验结果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 特征提取 | 第49-61页 |
| 5.1 基于骨架形状的手指静脉特征提取匹配方法 | 第49-53页 |
| 5.1.1 手指静脉骨架特征的提取与表达 | 第49-51页 |
| 5.1.2 手指静脉相似性定义和计算 | 第51-53页 |
| 5.2 基于方向检测的手指静脉特征提取 | 第53-60页 |
| 5.2.1 手指静脉图像特征提取原理 | 第54-55页 |
| 5.2.2 特征提取方法 | 第55-58页 |
| 5.2.3 仿真实验设计与结果分析 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-70页 |