| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 生物识别技术简介 | 第8-9页 |
| 1.2 课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外研究现状与背景 | 第10-12页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 研究课题来源 | 第12-13页 |
| 1.5 本文主要结构及研究内容 | 第13-14页 |
| 2 手指静脉图像的采集与预处理 | 第14-30页 |
| 2.1 手指静脉图像采集原理 | 第14-15页 |
| 2.2 手指静脉图像的预处理 | 第15-16页 |
| 2.3 基于ROI的手指静脉图像定位改进算法 | 第16-25页 |
| 2.3.1 手指的平面转动姿态矫正 | 第17-19页 |
| 2.3.2 手指平面移动定位及感兴趣区域提取 | 第19-22页 |
| 2.3.3 对ROI的迭代优化 | 第22-25页 |
| 2.3.4 实验结果分析 | 第25页 |
| 2.4 指静脉图像灰度归一化 | 第25-26页 |
| 2.5 指静脉图像尺寸归一化 | 第26-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 手指静脉图像分割算法与改进 | 第30-46页 |
| 3.1 阈值分割算法 | 第30-34页 |
| 3.2 基于模型的指静脉分割算法 | 第34-35页 |
| 3.2.1 基于神经网络的静脉图像分割 | 第34页 |
| 3.2.2 基于偏微分方程的静脉分割 | 第34-35页 |
| 3.3 基于谷形检测与最大曲率相结合的改进分割算法 | 第35-44页 |
| 3.3.1 提取最大曲率分割静脉图像的特征值 | 第35-39页 |
| 3.3.2 基于方向谷形检测的静脉纹路分割 | 第39-44页 |
| 3.4 设定分割静脉图像的阈值 | 第44页 |
| 3.5 实验结果分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 手指静脉图像的后处理与细节点提取 | 第46-54页 |
| 4.1 指静脉图像后处理 | 第46-51页 |
| 4.1.1 图像的滤波与去噪 | 第46-48页 |
| 4.1.2 图像细化算法 | 第48-51页 |
| 4.2 手指静脉图像细节点提取 | 第51-52页 |
| 4.3 本章小结 | 第52-54页 |
| 5 基于MHD距离的识别技术及融合技术 | 第54-62页 |
| 5.1 基于MHD距离的识别技术 | 第54-57页 |
| 5.1.1 MHD认证 | 第54-55页 |
| 5.1.2 静脉结构特征测试 | 第55-56页 |
| 5.1.3 两类细节点的测试 | 第56-57页 |
| 5.2 融合技术简介 | 第57-58页 |
| 5.2.1 融合的优势 | 第57页 |
| 5.2.2 融合的层次 | 第57-58页 |
| 5.3 基于指纹与指静脉识别的融合 | 第58-59页 |
| 5.4 本章小结 | 第59-62页 |
| 6 总结与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-68页 |