基于FPGA的掌纹识别系统的设计与实现

声明

摘要

第1章 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 硬件系统与开发环境

1．2．2 硬件开发平台总结

1．2．3 软件算法设计

1．2．4 软件算法总结

1．3 研究意义

1．4 本章小结

第2章 相关知识介绍

2．1 掌纹结构与特征

2．1．1 纹理特征

2．1．2 其它掌纹特征

2．2 掌纹的采集

2．3 掌纹图像的预处理

2．3．1 图像灰度化

2．3．2 图像二值化

2．3．3 提取手掌轮廓线

2．3．4 定位关键点

2．3．5 提取ROI

2．3．6 图像增强

2．4 掌纹图像的特征提取

2．4．1 基于结构的提取

2．4．2 基于时频分析的特征提取

2．4．3 基于统计的特征提取

2．5 掌纹匹配

2．5．1 统计图像识别

2．5．2 基于BP神经网络的分类器

2．6 硬件平台

2．6．1 DE2_70开发板

2．6．2 图像传感器

2．6．3 监视器

2．6．4 SD存储卡

2．7 NiosⅡ软核处理器

2．8 C2H编译器

2．9 本章小结

第3章 基于FPGA的掌纹识别系统的设计

3．1 系统功能概述

3．2 系统性能要求

3．3 系统层次设计

3．4 系统总体结构

3．4．1 核心控制处理模块

3．4．2 其他

3．5 本章小结

第4章 掌纹识别系统设计与实现

4．1 总体结构设计和开发板的选择

4．2 配置基于NiosⅡ软核的SoPC架构

4．3 实现视频图像采集存取

4．3．1 实现图像采集模块

4．3．2 监视图像显示模块

4．3．3 图像存储模块

4．3．4 图像读取模块

4．4 掌纹预处理算法实现

4．4．1 彩色图像转化为灰度图像

4．4．2 灰度图像二值化

4．4．3 提取轮廓线与去噪处理

4．4．4 定位关键点

4．4．5 定位关键区域

4．4．6 灰度增强

4．4．7 截取ROI

4．5 小波变换

4．6 特征提取的设计与实现

4．7 用户信息注册

4．8 BP神经网络的设计与实现

4．8．1 BP神经网络的建立

4．8．2 训练BP神经网络

4．8．3 使用BP神经网络识别

4．9 代码编写与移植

4．10 C2H及浮点数指令集系统加速设计

4．10．1 C2H编译器的使用限制

4．10．2 使用C2H编译器创建带硬件加速的SoPC系统

4．10．3 使用浮点数指令集进行系统加速

4．11 小结

第5章 系统测试

5．1 系统功能测试

5．1．1 采集模块测试

5．1．2 注册模块测试

5．2 系统性能测试

5．2．1 实时性测试

5．2．2 准确性测试

5．3 系统资源消耗

5．3．1 片上资源消耗

5．3．2 代码量

5．4 本章小结

第6章 总结及展望

6．1 总结

6．2 存在的问题及展望

参考文献

致谢

攻读学位期间发表的论著