基于独立成分分析和支持向量机的虹膜识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-11页 |
| ·虹膜识别研究进展 | 第11页 |
| ·研究目标与贡献 | 第11-12页 |
| ·论文组织 | 第12-14页 |
| 第二章 虹膜识别技术概述 | 第14-20页 |
| ·虹膜识别的生理学基础 | 第14-15页 |
| ·虹膜识别的工作原理 | 第15-17页 |
| ·虹膜图像采集系统 | 第15-16页 |
| ·虹膜图像预处理 | 第16页 |
| ·虹膜图像的特征提取 | 第16-17页 |
| ·分类器的设计 | 第17页 |
| ·虹膜识别系统性能评价 | 第17-18页 |
| ·现有虹膜识别系统介绍 | 第18页 |
| ·虹膜识别的技术难点 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 虹膜图像预处理 | 第20-27页 |
| ·虹膜定位 | 第20-24页 |
| ·虹膜内边界的定位 | 第20-21页 |
| ·虹膜外边界的定位 | 第21-24页 |
| ·虹膜图像归一化 | 第24-25页 |
| ·图像增强 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于独立成分分析的虹膜特征提取 | 第27-38页 |
| ·主成分分析 | 第27-31页 |
| ·主成分分析基本理论 | 第27-30页 |
| ·主成分分析算法 | 第30页 |
| ·基于PCA的虹膜特征提取 | 第30-31页 |
| ·独立成分分析 | 第31-37页 |
| ·独立成分分析基本理论 | 第31-32页 |
| ·基于负熵的ICA固定点算法 | 第32-35页 |
| ·基于ICA的虹膜特征提取 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 分类器的设计 | 第38-47页 |
| ·支持向量机 | 第38-45页 |
| ·统计学习理论 | 第38-40页 |
| ·支持向量机理论 | 第40-44页 |
| ·基于支持向量机的虹膜分类 | 第44-45页 |
| ·核向量机 | 第45-46页 |
| ·核向量机的基本理论 | 第45-46页 |
| ·基于核向量机的虹膜分类 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第六章 实验与分析 | 第47-60页 |
| ·虹膜识别的实现 | 第47-53页 |
| ·基于独立成分分析和支持向量机的虹膜识别 | 第47-52页 |
| ·基于独立成分分析和核向量机的虹膜识别 | 第52页 |
| ·基于主成分分析和支持向量机的虹膜识别 | 第52-53页 |
| ·基于主成分分析和核向量机的虹膜识别 | 第53页 |
| ·实验结果分析 | 第53-59页 |
| ·ICA独立成分个数的选择 | 第54-55页 |
| ·SVM参数的选择 | 第55-56页 |
| ·ICA方法与PCA方法的比较 | 第56-57页 |
| ·SVM方法与CVM方法的比较 | 第57页 |
| ·四种识别方法的比较 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 详细摘要 | 第67-75页 |
