掌紋紋線論文掌紋紋線 多小波 神經(jīng)網(wǎng)絡(luò) 掌紋識別 紋線匹配

1、掌紋紋線論文：基于多小波的掌紋紋線識別算法研究【中文摘要】信息技術(shù)的飛速發(fā)展不斷推動社會進(jìn)步,與此同時,現(xiàn)代社會對信息技術(shù)不斷提出更新更高的要求。計算機(jī)使整個社會網(wǎng)絡(luò)化和信息化,而網(wǎng)絡(luò)化和信息化的社會又對信息系統(tǒng)的安全性提出了越來越高的要求。由于生物識別技術(shù)的可靠性和獨(dú)特性以及日益增加的安全需求,該技術(shù)正在逐漸取代密碼和密鑰,在人們的生活中發(fā)揮著越來越重要的作用。掌紋識別作為生物特征識別家族中的重要成員,與其他生物識別技術(shù)相比,其本身具備很多獨(dú)特的優(yōu)勢,這些優(yōu)勢包括:掌紋具有唯一性和終生不變性,圖像不易被模仿,用戶接受程度高;掌紋圖像的主要特征穩(wěn)定且明顯,提取特征時不易受到噪聲的干擾;掌紋圖像

2、不容易因受傷或者磨損而影響到所采集的圖像的質(zhì)量,信息被竊取的可能性比指紋小得多等特點(diǎn)。因此,近年來掌紋識別技術(shù)受到了越來越多的關(guān)注,很多學(xué)者都在致力于這項(xiàng)技術(shù)的研究。本文根據(jù)手掌紋線圖像的特征,對掌紋識別中很多關(guān)鍵的技術(shù)進(jìn)行了深入的研究,提出了手掌紋線區(qū)域定位、圖像旋轉(zhuǎn)處理、特征匹配識別等相關(guān)方面的新算法,本文研究工作包括以下幾方面:1.手掌圖像特征分離點(diǎn)的提取實(shí)驗(yàn)室條件下采集的掌紋圖像通常易受光線條件的影響,在某些條件下使用通用的角點(diǎn)檢測方法提.【英文摘要】Nowadays, the development of Information Technology promotes Social

3、progressrapidly. At the same time, modern society continues to higher requirements forInformation Technology. The whole society is becoming networking and informationbecause of the development of computer, meanwhile, the network and informationsociety demands the security of information systems high

4、er and higher. Biometrictechnology is gradually replacing passwords and keys because of its reliability and uniquewith the growing needs of secu.【關(guān)鍵詞】掌紋紋線 多小波 神經(jīng)網(wǎng)絡(luò) 掌紋識別 紋線匹配【英文關(guān)鍵詞】palmprint multiWavelet neural network palmprint recognition palmprint matching【索購全文】聯(lián)系Q1：138113721 Q2：139938848【目錄】基于多小波

5、的掌紋紋線識別算法研究前言4-5摘要5-7Abstract7-8第一章 緒論13-271.1 課題研究的背景及意義13-191.1.1 生物識別技術(shù)概述13-141.1.2 生物識別技術(shù)的發(fā)展概況14-151.1.3 各種生物識別技術(shù)的簡介及應(yīng)用15-171.1.4 掌紋識別技術(shù)的研究意義17-191.2 課題的國內(nèi)外研究概況19-251.2.1 掌紋識別系統(tǒng)原理191.2.2 掌紋識別系統(tǒng)的國內(nèi)外研究現(xiàn)狀19-251.3 課題的主要研究內(nèi)容25-27第二章 手掌圖像的特征區(qū)域提取27-392.1 手掌圖像的分割預(yù)處理27-302.1.1 手掌圖像的灰度化處理27-282.1.2 手掌圖像的背

6、景分割28-292.1.3 手掌圖像的輪廓提取29-302.2 手掌圖像的特征定位點(diǎn)提取30-342.2.1 基模板手掌輪廓極值點(diǎn)檢測及實(shí)驗(yàn)結(jié)果30-322.2.2 特征模板手掌輪廓分離點(diǎn)檢測及實(shí)驗(yàn)結(jié)果分析32-342.3 手掌圖像有效區(qū)域的提取34-382.3.1 手掌有效紋線區(qū)域方向定位34-352.3.2 手掌有效紋線區(qū)域的提取35-372.3.3 特征區(qū)域提取及實(shí)驗(yàn)結(jié)果分析37-382.4 本章小結(jié)38-39第三章 手掌特征圖像的預(yù)處理39-573.1 小波的基本理論39-463.1.1 小波理論的產(chǎn)生及其發(fā)展393.1.2 Hilbert 空間及H 空間中的正交投影39-423.1.

7、3 小波理論的相關(guān)函數(shù)系及框架42-433.1.4 多分辨率分析及信號的分解與重構(gòu)43-463.2 多小波的理論及設(shè)計46-503.2.1 多小波理論的產(chǎn)生及其發(fā)展46-473.2.2 多小波函數(shù)的性質(zhì)及多尺度分析47-483.2.3 多小波的分解與重構(gòu)48-503.3 手掌特征圖像的預(yù)處理50-553.3.1 圖像信號的多小波變換50-513.3.2 手掌特征圖像的多小波分解51-543.3.3 特征紋線的子區(qū)域提取及實(shí)驗(yàn)結(jié)果分析54-553.4 本章小結(jié)55-57第四章 掌紋紋線特征的處理及初次匹配57-694.1 手掌特征圖像紋線的提取57-604.1.1 圖像的邊緣檢測簡介57-584

8、.1.2 手掌紋線的特征提取58-604.2 掌紋紋線的極坐標(biāo)處理60-644.2.1 手掌紋線的細(xì)化處理60-614.2.2 紋線圖像的極坐標(biāo)變換61-624.2.3 掌紋紋線的極坐標(biāo)輔助處理62-644.3 掌紋紋線的初次匹配64-674.3.1 子區(qū)域特征紋線的處理644.3.2 手掌圖像特征尺寸的輔助匹配及實(shí)驗(yàn)結(jié)果分析64-654.3.3 紋線子區(qū)域特征的匹配識別及實(shí)驗(yàn)結(jié)果分析65-674.4 本章小結(jié)67-69第五章 基于神經(jīng)網(wǎng)絡(luò)的掌紋紋線二次匹配69-795.1 神經(jīng)網(wǎng)絡(luò)的相關(guān)理論69-735.1.1 神經(jīng)網(wǎng)絡(luò)理論概述69-705.1.2 神經(jīng)網(wǎng)絡(luò)研究的歷史及現(xiàn)狀70-715.1.3 神經(jīng)網(wǎng)絡(luò)的基本特性71-725.1.4 神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)72-735.2 神經(jīng)網(wǎng)絡(luò)模式識別概述73-755.2.1 神經(jīng)網(wǎng)絡(luò)模式識別概況73-745.2.2 神經(jīng)網(wǎng)絡(luò)模式識別的特點(diǎn)概述74-755.3 掌紋紋線的神經(jīng)網(wǎng)絡(luò)匹配處理7