| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景、目的和意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-14页 |
| 1.2.1 理论研究现状 | 第11-14页 |
| 1.2.2 应用研究现状 | 第14页 |
| 1.3 本文的主要内容和文章结构安排 | 第14-16页 |
| 第2章 手指静脉识别算法综述 | 第16-28页 |
| 2.1 手指静脉图像的采集 | 第16-18页 |
| 2.1.1 成像原理 | 第16-17页 |
| 2.1.2 采集过程 | 第17-18页 |
| 2.2 预处理 | 第18-23页 |
| 2.2.1 ROI提取 | 第18-21页 |
| 2.2.2 归一化 | 第21-22页 |
| 2.2.3 滤波 | 第22-23页 |
| 2.3 特征提取 | 第23-25页 |
| 2.4 匹配识别和性能分析 | 第25-27页 |
| 2.4.1 匹配识别 | 第25-26页 |
| 2.4.2 性能分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于子空间分析的手指静脉识别算法 | 第28-47页 |
| 3.1 最大间距准则分析 | 第28-31页 |
| 3.1.1 一维最大间距准则分析 | 第28-30页 |
| 3.1.2 二维最大间距准则分析 | 第30-31页 |
| 3.2 核化最大间距准则分析 | 第31-33页 |
| 3.3 二维线性判别式分析 | 第33-34页 |
| 3.4 二维主成分分析 | 第34-36页 |
| 3.5 基于两个方向的KMMC手指静脉识别算法 | 第36-41页 |
| 3.5.1 2DPCA+KMMC | 第36-38页 |
| 3.5.2 2DLDA+KMMC | 第38-39页 |
| 3.5.3 2DMMC+KMMC | 第39-41页 |
| 3.6 实验结果分析 | 第41-45页 |
| 3.6.1 单方向线性分析法识别效果 | 第41-42页 |
| 3.6.2 KMMC算法识别效果 | 第42-44页 |
| 3.6.3 两个方向的KMMC分析法识别效果 | 第44-45页 |
| 3.7 本章小结 | 第45-47页 |
| 第4章 基于局部二值模式的手指静脉识别算法 | 第47-58页 |
| 4.1 MB-GLBP算法 | 第47-49页 |
| 4.1.1 Gabor核函数 | 第47-48页 |
| 4.1.2 MB-LBP算法 | 第48-49页 |
| 4.2 Logistic映射 | 第49-50页 |
| 4.3 基于MB-GLBP和Logistic映射的手指静脉识别算法 | 第50-52页 |
| 4.4 实验结果与有效性分析 | 第52-56页 |
| 4.4.1 Gabor核函数参数选择 | 第52-53页 |
| 4.4.2 Logistic映射参数选择 | 第53-56页 |
| 4.5 算法安全性分析 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 5.2.1 需要解决的问题 | 第59页 |
| 5.2.2 今后的研究方向 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65页 |