手背静脉身份识别技术【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

手背静脉身份识别技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1引言1

1.2手背静脉身份识别的研究意义2

1.3手背静脉身份识别的关键问题7

1.4手背静脉身份识别的技术路线10

1.4.1手背静脉图像采集与数据库建立10

1.4.2手背静脉身份识别的可行性11

1.4.3手背静脉图像的质量评价12

1.4.4手背静脉图像的特征提取13

1.4.5手背静脉图像的分类决策15

1.4.6手背静脉图像的活体检测16

1.5手背静脉身份识别的研究趋势17

参考文献18

第2章 手背静脉图像采集设备21

2.1手背静脉成像机理21

2.1.1远红外成像原理22

2.1.2近红外成像原理23

2.1.3近红外成像方式24

2.2手背静脉图像采集设备参数设计及器件选择27

2.2.1对比度和光斑27

2.2.2图像采集部分28

2.3手背静脉图像采集设备的实现32

2.3.1基础参数设定及第一代采集系统32

2.3.2第二代改进采集系统36

2.4本章小结40

参考文献40

第3章 手背静脉图像数据库的建立41

3.1现有手背静脉图像数据库41

3.2手背静脉图像数据库44

3.2.1 NCUT手背静脉图像数据库44

3.2.2跨时间段的手背静脉图像数据库45

3.2.3跨设备的手背静脉图像数据库47

3.3大样本手背静脉图像的合成48

3.3.1样本合成理论50

3.3.2双PCA投影空间51

3.3.3双PCA动态空间的手背静脉图像合成方法53

3.4手背静脉合成图像的评价56

3.4.1最优特征样本集w值的选取56

3.4.2合成手背静脉图像的评价57

3.4.3合成手背静脉图像数据库的建立58

3.5合成手背静脉图像数据库的识别测试59

3.6本章小结61

参考文献61

第4章 手背静脉图像的质量评价63

4.1手背静脉图像的质量评价标准63

4.1.1主观质量评价标准63

4.1.2客观质量评价标准64

4.2步进式手背静脉图像质量评价方法66

4.2.1步进式图像质量评价模型66

4.2.2手背静脉图像质量评价参数67

4.2.3手背静脉图像评价过程及结果70

4.3基于多参数融合的手背静脉图像质量评价方法71

4.3.1对比度的贡献度71

4.3.2有效区域的贡献度73

4.3.3清晰度的贡献度75

4.3.4位置偏移的贡献度77

4.3.5图像旋转的贡献度78

4.3.6各参数贡献度的加权融合81

4.4异质手背静脉图像质量标准83

4.4.1异质手背静脉图像83

4.4.2异质手背静脉图像的质量参数85

4.5本章小结87

参考文献88

第5章 手背静脉图像的容量分析89

5.1基于信息熵手背静脉图像身份识别的可行性89

5.1.1熵与互信息89

5.1.2图像的熵90

5.1.3图像的互信息90

5.1.4手背静脉图像身份识别的可行性90

5.2基于图像编码的样本容量分析92

5.2.1基本假设92

5.2.2灰度共生矩阵94

5.2.3图像分块编码97

5.2.4手背静脉图像的潜在容量估算99

5.2.5估算方法的有效性验证105

5.3本章小结112

参考文献113

第6章 手背静脉图像纹理结构的特征提取114

6.1手背静脉图像特征提取的方法115

6.2 LBP算子119

6.2.1标准LBP算子119

6.2.2归一化LBP算子120

6.2.3旋转不变归一化LBP算子122

6.2.4分块LBP算法123

6.3基于多尺度的LBP算法124

6.3.1多尺度分析124

6.3.2传统多尺度LBP算法126

6.3.3 PLBP与多尺度分析融合算法127

6.3.4算法对比129

6.4基于加权纠错编码的改进LBP算法134

6.4.1特征加权135

6.4.2纠错码136

6.4.3算法对比138

6.5局部宏观和微观融合的改进LBP算子140

6.5.1 MB-LBP算子140

6.5.2 CS-LBP算子141

6.5.3 MB-CSLBP算子141

6.5.4算法对比142

6.6基于LBP的特征编码145

6.6.1特征编码145

6.6.2 BP人工神经网络编码器146

6.6.3正交码149

6.6.4特征编码策略151

6.6.5分类器设计和结果分析154

6.6.6 BP编码策略和LBP编码策略的讨论155

6.7本章小结156

参考文献156

第7章 手背静脉图像的分类决策158

7.1基于SIFT的多模板分类器设计158

7.1.1手背静脉图像SIFT特征提取159

7.1.2改进的手背静脉图像SIFT特征点精筛选164

7.1.3基于SIFT的多集合模板165

7.1.4 SIFT多模板分类决策166

7.2多分类器融合的静脉特征匹配170

7.2.1 SVM171

7.2.2 SVM多核学习173

7.2.3多分类器融合174

7.2.4融合结果分析176

7.3随机关键点产生与细粒度匹配算法177

7.3.1基于高斯分布的随机关键点生成方法178

7.3.2细粒度特征点匹配179

7.3.3实验结果分析182

7.4深度信念网络184

7.4.1深度信念网络概述184

7.4.2限制玻尔兹曼机185

7.4.3 DBN模型训练185

7.4.4分类码组合186

7.5本章小结187

参考文献188

第8章 手背静脉图像的活体检测191

8.1生物特征的活体检测191

8.2假手背静脉图像库的建立192

8.3手背静脉图像活体检测的时域分析194

8.3.1粗特征分析194

8.3.2细特征分析196

8.4手背静脉图像活体检测的频域分析197

8.4.1频谱块能量特征198

8.4.2频域特征的真假分类201

8.5手背静脉图像活体检测的模型分析202

8.5.1真实手背静脉图像投影空间的建立202

8.5.2投影并提取干扰信息205

8.5.3基于AR模型的功率谱估计206

8.6本章小结210

参考文献211

第9章 手背静脉身份识别系统214

9.1手背静脉图像的预处理214

9.1.1图像噪声抑制215

9.1.2静脉图像矫正216

9.1.3 ROI的提取216

9.1.4手背静脉图像增强与归一化218

9.2手背静脉纹理的分割算法219

9.2.1静脉纹理分割方法219

9.2.2梯度增强的静脉图像分割方法222

9.3基于手背静脉的门禁系统设计224

9.3.1系统结构和流程224

9.3.2系统的硬件选择225

9.3.3系统软件设计226

9.3.4特征提取算法及分类器设计228

9.3.5系统测试结果234

9.3.6手背静脉分布式系统架构235

9.4本章小结240

参考文献240