手背静脉身份识别技术

前言
第1章  绪论
  1.1  引言
  1.2  手背静脉身份识别的研究意义
  1.3  手背静脉身份识别的关键问题
  1.4  手背静脉身份识别的技术路线
    1.4.1  手背静脉图像采集与数据库建立
    1.4.2  手背静脉身份识别的可行性
    1.4.3  手背静脉图像的质量评价
    1.4.4  手背静脉图像的特征提取
    1.4.5  手背静脉图像的分类决策
    1.4.6  手背静脉图像的活体检测
  1.5  手背静脉身份识别的研究趋势
  参考文献
第2章  手背静脉图像采集设备
  2.1  手背静脉成像机理
    2.1.1  远红外成像原理
    2.1.2  近红外成像原理
    2.1.3  近红外成像方式
  2.2  手背静脉图像采集设备参数设计及器件选择
    2.2.1  对比度和光斑
    2.2.2  图像采集部分
  2.3  手背静脉图像采集设备的实现
    2.3.1  基础参数设定及**代采集系统
    2.3.2第二代改进采集系统
  2.4  本章小结
  参考文献
第3章  手背静脉图像数据库的建立
  3.1  现有手背静脉图像数据库
  3.2  手背静脉图像数据库
    3.2.1  NcuT手背静脉图像数据库
    3.2.2  跨时间段的手背静脉图像数据库
    3.2.3  跨设备的手背静脉图像数据库
  3.3  大样本手背静脉图像的合成
    3.3.1  样本合成理论
    3.3.2  双PCA投影空间
    3.3.3  双PCA动态空间的手背静脉图像合成方法
  3.4  手背静脉合成图像的评价
    3.4.1  *优特征样本集w值的选取
    3.4.2  合成手背静脉图像的评价
  3.4  13合成手背静脉图像数据库的建立
  3.5  合成手背静脉图像数据库的识别测试
  3.6  本章小结
  参考文献
第4章  手背静脉图像的质量评价
  4.1  手背静脉图像的质量评价标准
    4.1.1  主观质量评价标准
    4.1.2  客观质量评价标准
  4.2  步进式手背静脉图像质量评价方法
    4.2.1  步进式图像质量评价模型
    4.2.2  手背静脉图像质量评价参数
    4.2.3  手背静脉图像评价过程及结果
  4.3  基于多参数融合的手背静脉图像质量评价方法
    4.3.1  对比度的贡献度
    4.3.2  有效区域的贡献度
    4.3.3  清晰度的贡献度
    4.3.4  位置偏移的贡献度
    4.3.5  图像旋转的贡献度
    4.3.6  各参数贡献度的加权融合
  4.4  异质手背静脉图像质量标准
    4.4.1  异质手背静脉图像
    4.4.2  异质手背静脉图像的质量参数
  4.5  本章小结
  参考文献
第5章  手背静脉图像的容量分析
  5.1  基于信息熵手背静脉图像身份识别的可行性
    5.1.1  熵与互信息
    5.1.2  图像的熵
    5.1.3  图像的互信息
    5.1.4  手背静脉图像身份识别的可行性
  5.2  基于图像编码的样本容量分析
    5.2.1  基本假设
    5.2.2  灰度共生矩阵
    5.2.3  图像分块编码
    5.2.4  手背静脉图像的潜在容量估算
    5.2.5  估算方法的有效性验证
  5.3  本章小结
  参考文献
第6章  手背静脉图像纹理结构的特征提取
  6.1  手背静脉图像特征提取的方法
  6.2  LBP算子
    6.2.1  标准LBP算子
    6.2.2  归一化LBP算子
    6.2.3  旋转不变归一化LBP算子
    6.2.4  分块LBP算法
  6.3  基于多尺度的LBP算法
    6.3.1  多尺度分析
    6.3.2  传统多尺度LBP算法
    6.3.3  PLBP与多尺度分析融合算法
    6.3.4  算法对比
  6.4  基于加权纠错编码的改进LBP算法
    6.4.1  特征加权
    6.4.2  纠错码
    6.4.3  算法对比
  6.5  局部宏观和微观融合的改进LBP算子
    6.5.1  MB—LBP算子
    6.5.2  CS—LBP算子
    6.5.3  MB—CSLBP算子
    6.5.4  算法对比
  6.6  基于LBP的特征编码
    6.6.1  特征编码
    6.6.2  BP人工神经网络编码器
    6.6.3  正交码
    6.6.4  特征编码策略
    6.6.5  分类器设计和结果分析
    6.6.6  ：BP编码策略和LBP编码策略的讨论
  6、7本章小结
  参考文献
第7章  手背静脉图像的分类决策
  7.1  基于SIFT的多模板分类器设计
    7.1.1  手背静脉图像SIFT特征提取
    7.1.2  改进的手背静脉图像SItlT特征点精筛选
    7.1.3  基于SIFT的多集合模板
    7.1.4  SIF、T多模板分类决策
  7.2  多分类器融合的静脉特征匹配
    7.2.1  SVM
    7.2.2  SVM多核学习
    7.2.3  多分类器融合
    7.2.4  融合结果分析
  7.3  随机关键点产生与细粒度匹配算法
    7.3.1  基于高斯分布的随机关键点生成方法
    7.3.2  细粒度特征点匹配
    7.3.3  实验结果分析
  7.4  深度信念网络
    7.4.1  深度信念网络概述
    7.4.2  限制玻尔兹曼机
    7.4.3  DBN模型训练
    7.4.4  分类码组合
  7.5  本章小结
  参考文献
第8章  手背静脉图像的活体检测
  8.1  生物特征的活体检测
  8.2  假手背静脉图像库的建立
  8.3  手背静脉图像活体检测的时域分析
    8.3.1  粗特征分析
    8.3.2  细特征分析
  8.4  手背静脉图像活体检测的频域分析
    8.4.1  频谱块能量特征
    8.4.2  频域特征的真假分类
  8.5  手背静脉图像活体检测的模型分析
    8.5.1  真实手背静脉图像投影空间的建立
    8.5.2  投影并提取干扰信息
    8.5.3  基于AR模型的功率谱估计
  8.6  本章小结
  参考文献
第9章  手背静脉身份识别系统
  9.1  手背静脉图像的预处理
    9.1.1  图像噪声抑制
    9.1.2  静脉图像矫正
    9.1.3  ROI的提取
    9.1.4  手背静脉图像增强与归一化
  9.2  手背静脉纹理的分割算法
    9.2.1  静脉纹理分割方法
    9.2.2  梯度增强的静脉图像分割方法
  9.3  基于手背静脉的门禁系统设计
    9.3.1  系统结构和流程
    9.3.2  系统的硬件选择
    9.3.3  系统软件设计
    9.3.4  特征提取算法及分类器设计
    9.3.5  系统测试结果
    9.3.6  手背静脉分布式系统架构
  9.4  本章小结
参考文献