跨库手背静脉图像的鲁棒识别
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-14页 |
| 1.1 生物特征识别技术 | 第7-8页 |
| 1.2 手背静脉身份识别技术 | 第8-9页 |
| 1.3 手背静脉身份识别的主要研究方向和研究现状 | 第9-11页 |
| 1.3.1 手背静脉身份识别的主要研究方向 | 第10页 |
| 1.3.2 国内外研究现状 | 第10-11页 |
| 1.3.3 手背静脉识别存在的问题 | 第11页 |
| 1.4 本文的研究内容 | 第11-12页 |
| 1.5 文章的结构内容 | 第12-14页 |
| 第二章 跨库手背静脉图像数据库的建立及分析 | 第14-28页 |
| 2.1 手背静脉图像的采集 | 第14-18页 |
| 2.1.1 采集设备 | 第14-15页 |
| 2.1.2 跨库手背静脉图像的数据库介绍 | 第15-17页 |
| 2.1.3 跨库手背静脉图像识别系统介绍 | 第17-18页 |
| 2.2 跨库手背静脉图像的分析 | 第18-26页 |
| 2.2.1 跨库手背静脉图像的定性分析 | 第18-20页 |
| 2.2.2 跨库手背静脉图像的定量分析 | 第20-26页 |
| 2.3 本文的研究方案 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 手背静脉图像的归一化与自适应分割 | 第28-40页 |
| 3.1 噪声去除 | 第28-30页 |
| 3.2 手背图像的归一化 | 第30-34页 |
| 3.2.1 手背区域尺度归一化 | 第30-32页 |
| 3.2.2 旋转角度归一化 | 第32-33页 |
| 3.2.3 灰度归一化 | 第33-34页 |
| 3.3 图像的分割 | 第34-39页 |
| 3.3.1 手背静脉图像分割的方法 | 第34-36页 |
| 3.3.2 基于梯度的自适应分割法 | 第36-39页 |
| 3.4 小结 | 第39-40页 |
| 第四章 基于SIFT优化算子的特征提取和匹配方法 | 第40-54页 |
| 4.1 手背静脉图像的特征提取方法概述 | 第40-42页 |
| 4.2 基于SIFT算子的静脉特征提取算法 | 第42-46页 |
| 4.3 SIFT算子的优化算法 | 第46-50页 |
| 4.3.1 尺度因子 | 第46-47页 |
| 4.3.2 极值点的搜索 | 第47-48页 |
| 4.3.3 特征点匹配 | 第48-50页 |
| 4.4 实验结果 | 第50-53页 |
| 4.5 小结 | 第53-54页 |
| 第五章 总结 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 在校期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
