基于优化ROI及特征提取算法的手掌静脉图像获取的研究

声明

摘要

第一章 引言

1．1 研究的背景和意义

1．2 国内外研究现状

1．3 研究的主要内容

1．4 论文结构安排

第二章 手掌静脉识别技术概述

2．1 产生背景

2．2 技术简介

2．3 成像原理

2．4 技术特征

2．5 技术优缺点

2．6 发展趋势

2．7 本章小结

第三章 图像预处理

3．1 建立图库

3．2 背景分离

3．2．1 边缘检测

3．2．2 边缘检测算子

3．3 图像二值化

3．4 Niblack算法

3．5 平滑滤波

3．5．1 滤波原因

3．5．2 滤波方法

3．5．3 非线性滤波

3．6 预处理效果

3．7 本章总结

第四章 ROI提取

4．1．2 ROI提取的常用方法

4．2 改进的最大内切圆算法

4．2．1 算法改进的原因

4．2．2 改进算法的方式

4．3 算法改进效果

4．3．1 ROI提取对比

4．3．2 算法执行效率对比

4．4 本章总结

第五章 特征提取

5．1 特征提取常用方法

5．1．1 颜色特征提取

5．1．2 形状特征提取

5．1．3 空间特征提取

5．1．4 纹理特征提取

5．2 基于纹理特征的手掌静脉图像特征提取

5．2．1 Gabor纹理特征提取

5．2．2 LBP特征提取

5．2．3 常见的LBP算子

5．2．4 LBP算法的改进

5．2．5 基于Gabor与LBP算法结合的特征提取

5．3 算法执行效率对比

5．4 本章总结

第六章 手掌图像特征匹配

6．1 三种经典的特征匹配算法

6．1．1 SIFT算法

6．1．2 LDA算法

6．1．3 PCA算法

6．2 手掌静脉特征匹配实验

6．2．1 类内类间匹配

6．2．2 清晰度与丰富度

6．2．3 其它参数对比

6．3 本章总结

第七章 总结与展望

参考文献

研究生期间发表论文及参加科研情况说明

致谢