目錄
第1章 手掌圖像處理及特征提取基礎(chǔ) 1
1.1 掌紋及指紋特征 1
1.2 指紋方向場(chǎng)基礎(chǔ)理論 2
1.3 掌紋主線 3
1.4 乳腺癌與手掌特征的相關(guān)性 4
參考文獻(xiàn) 6
第2章 掌紋及指紋圖像增強(qiáng)算法 7
2.1 多尺度復(fù)合窗的指紋方向場(chǎng)建立及分級(jí)平滑算法 7
2.1.1 梯度法 7
2.1.2 復(fù)合窗的概念 8
2.1.3 多尺度復(fù)合窗的指紋方向場(chǎng)建立 9
2.1.4 方向場(chǎng)分級(jí)平滑 11
2.1.5 實(shí)驗(yàn)結(jié)果分析 13
2.1.6 小結(jié) 18
2.2 自適應(yīng)曲率驅(qū)動(dòng)STFT指紋圖像增強(qiáng)算法 19
2.2.1 傳統(tǒng)基于STFT分析的指紋圖像增強(qiáng)算法 19
2.2.2 傳統(tǒng)STFT指紋圖像增強(qiáng)存在的問(wèn)題 21
2.2.3 改進(jìn)的STFT指紋圖像增強(qiáng)算法 24
2.2.4 實(shí)驗(yàn)結(jié)果分析 28
2.2.5 小結(jié) 31
2.3 基于方向權(quán)值擴(kuò)散的指紋方向場(chǎng)計(jì)算 32
2.3.1 預(yù)處理 32
2.3.2 梯度 33
2.3.3 平方梯度法 34
2.3.4 投票法 35
2.3.5 基于方向權(quán)值擴(kuò)散的指紋方向場(chǎng)建立 36
2.3.6 小結(jié) 41
2.4 基于方向權(quán)值擴(kuò)散法求取方向的改進(jìn)的STFT增強(qiáng)算法 41
2.4.1 窗函數(shù) 41
2.4.2 參數(shù)分析 42
2.4.3 改進(jìn)的STFT增強(qiáng)算法 44
2.4.4 實(shí)驗(yàn)結(jié)果分析 45
2.4.5 小結(jié) 46
2.5 基于復(fù)合塊自適應(yīng)的方向場(chǎng)平滑算法 46
2.5.1 掌紋圖像預(yù)處理 46
2.5.2 掌紋切片方向場(chǎng)的基本概念 52
2.5.3 梯度法 52
2.5.4 基于復(fù)合塊自適應(yīng)的方向場(chǎng)建立 55
2.5.5 方向場(chǎng)的計(jì)算 55
2.5.6 自適應(yīng)方向場(chǎng)平滑 57
2.5.7 實(shí)驗(yàn)結(jié)果分析 60
2.5.8 小結(jié) 62
參考文獻(xiàn) 62
第3章 指紋特征提取算法 64
3.1 基于Bresenham算法的指紋a-b嵴線數(shù)計(jì)算方法 64
3.1.1 指紋圖像預(yù)處理 64
3.1.2 a-b嵴線數(shù) 75
3.1.3 Bresenham算法及其改進(jìn)算法 75
3.1.4 直嵴線求交法 78
3.1.5 a-b嵴線數(shù)提取系統(tǒng) 80
3.2 基于三方向圖的多尺度平滑低質(zhì)量指紋與奇異點(diǎn)檢測(cè) 84
3.2.1 指紋圖像的初步增強(qiáng) 84
3.2.2 方向圖的計(jì)算和平滑 89
3.2.3 多個(gè)平滑尺度下的奇異點(diǎn)定位 95
3.2.4 實(shí)驗(yàn)結(jié)果分析 98
3.2.5 小結(jié) 110
3.3 基于信息融合的多尺度奇異點(diǎn)檢測(cè) 111
3.3.1 基于Poincaré Index的奇異點(diǎn)檢測(cè) 111
3.3.2 基于復(fù)數(shù)濾波器的奇異點(diǎn)檢測(cè) 112
3.3.3 結(jié)合復(fù)數(shù)濾波和Poincaré Index值的多尺度奇異點(diǎn)檢測(cè) 114
3.3.4 實(shí)驗(yàn)結(jié)果分析 116
參考文獻(xiàn) 118
第4章 掌紋特征提取算法 121
4.1 基于方向可調(diào)濾波器的掌紋主線特征提取及分類算法 121
4.1.1 圖像預(yù)處理 122
4.1.2 掌紋方向特征提取 125
4.1.3 方向跟蹤性算法對(duì)主線特征點(diǎn)的提取 131
4.1.4 最小二乘法擬合掌紋主線 133
4.1.5 實(shí)驗(yàn)結(jié)果 135
4.2 基于形態(tài)濾波的掌紋主線特征提取算法 139
4.2.1 掌紋圖像預(yù)處理 140
4.2.2 數(shù)學(xué)形態(tài)學(xué)概述 147
4.2.3 基于形態(tài)學(xué)變換的掌紋主線提取算法 151
4.2.4 改進(jìn)的基于形態(tài)學(xué)變換的掌紋主線提取算法 153
4.3 基于鄰域搜索的掌紋主線特征提取算法 156
4.3.1 鄰域搜索概述 156
4.3.2 基于鄰域搜索的掌紋主線提取算法 158
4.3.3 實(shí)驗(yàn)結(jié)果分析 162
4.4 基于復(fù)數(shù)濾波器的多尺度ATD點(diǎn)檢測(cè)算法 164
4.4.1 傳統(tǒng)的Poincaré Index檢測(cè)算法 165
4.4.2 基于復(fù)數(shù)濾波器的三角點(diǎn)檢測(cè) 168
4.4.3 基于復(fù)數(shù)濾波器的多尺度ATD點(diǎn)檢測(cè) 170
4.4.4 實(shí)驗(yàn)結(jié)果分析 173
4.4.5 小結(jié) 175
參考文獻(xiàn) 176
第5章 手掌特征融合及與乳腺癌相關(guān)性研究 178
5.1 數(shù)據(jù)庫(kù)的建立及圖像的預(yù)處理 179
5.1.1 手掌圖像數(shù)據(jù)庫(kù)的建立 179
5.1.2 手掌圖像的預(yù)處理 183
5.2 手掌特征的提取與融合 186
5.2.1 掌紋主線的提取 186
5.2.2 ATD角和a-b嵴線數(shù)的提取 193
5.2.3 指長(zhǎng)比特征提取 196
5.3 手掌特征統(tǒng)計(jì)分析 197
5.3.1 掌紋主線的量化 198
5.3.2 特征篩選 199
5.4 手掌特征與乳腺癌的相關(guān)性分析 201
5.4.1 邏輯回歸 201
5.4.2 Adaboost增強(qiáng)算法 204
5.4.3 小結(jié) 205
參考文獻(xiàn) 206
總結(jié)與展望 207