中文摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
第一章 绪论 | 第9-27页 |
·引言 | 第9-10页 |
·生物特征识别技术 | 第10-14页 |
·生物特征识别技术概况 | 第10-13页 |
·生物特征识别系统的性能评价 | 第13-14页 |
·手背静脉识别概述 | 第14-19页 |
·手背静脉识别的特点与系统构成 | 第14-16页 |
·手背静脉识别的发展现状 | 第16-18页 |
·手背静脉识别的研究难点 | 第18-19页 |
·虹膜识别概述 | 第19-23页 |
·虹膜识别原理 | 第19-21页 |
·虹膜识别的发展现状 | 第21-22页 |
·虹膜识别的研究难点 | 第22-23页 |
·手背静脉和虹膜双生物特征融合的意义 | 第23-24页 |
·本文主要研究工作和章节安排 | 第24-27页 |
第二章 手背静脉成像及其数据库的建立 | 第27-40页 |
·手背静脉成像原理 | 第27-31页 |
·远红外静脉成像 | 第28-29页 |
·近红外静脉成像 | 第29-30页 |
·红外静脉成像的性能分析 | 第30-31页 |
·手背静脉成像系统设计 | 第31-36页 |
·静脉成像系统结构 | 第31-32页 |
·静脉成像系统构建 | 第32-36页 |
·手背静脉图像数据库的建立 | 第36-39页 |
·小结 | 第39-40页 |
第三章 基于多分辨率纹理特征分析的手背静脉识别 | 第40-55页 |
·手背静脉识别算法概述 | 第40-41页 |
·基于小波变换的静脉纹理特征分析 | 第41-54页 |
·手背静脉图像预处理 | 第43页 |
·小波分析的基本理论 | 第43-48页 |
·静脉纹理特征提取 | 第48-49页 |
·参数优化与实验分析 | 第49-54页 |
·小结 | 第54-55页 |
第四章 基于代数特征分析的手背静脉识别 | 第55-65页 |
·代数特征分析方法 | 第55-60页 |
·典型的代数特征分析 | 第55-57页 |
·Fisher 线性判别分析 | 第57-60页 |
·基于DLDA 的静脉代数特征提取 | 第60-62页 |
·实验与数据分析 | 第62-64页 |
·小结 | 第64-65页 |
第五章 基于局部SIFT 特征分析的手背静脉识别 | 第65-84页 |
·局部特征分析与描述 | 第65-73页 |
·典型的局部特征分析方法 | 第65-67页 |
·SIFT 特征提取和描述 | 第67-73页 |
·静脉局部SIFT 特征提取和匹配 | 第73-76页 |
·手背静脉图像预处理 | 第73页 |
·局部特征提取与匹配 | 第73-75页 |
·改进的SIFT 特征匹配算法 | 第75-76页 |
·实验与数据分析 | 第76-78页 |
·静脉识别算法对比与性能分析 | 第78-81页 |
·算法对比 | 第78-80页 |
·算法分析与讨论 | 第80-81页 |
·左右手背静脉的相似性分析 | 第81-83页 |
·小结 | 第83-84页 |
第六章 虹膜图像的预处理及识别算法研究 | 第84-105页 |
·虹膜定位 | 第84-93页 |
·典型的虹膜定位算法 | 第84-86页 |
·基于图像抽样的快速虹膜定位 | 第86-92页 |
·算法性能分析 | 第92-93页 |
·眼皮定位 | 第93-99页 |
·典型的眼皮定位算法 | 第93-94页 |
·基于最大连通路径的眼皮定位 | 第94-98页 |
·算法性能分析 | 第98-99页 |
·虹膜图像归一化和增强 | 第99-101页 |
·基于局部变化分析的虹膜识别 | 第101-103页 |
·识别性能分析 | 第103-104页 |
·小结 | 第104-105页 |
第七章 手背静脉和虹膜双生物特征在匹配层的数据融合 | 第105-120页 |
·融合策略和算法 | 第105-107页 |
·基于D-S 证据理论的数据融合 | 第107-112页 |
·D-S 证据理论 | 第108-109页 |
·Dempster 组合规则 | 第109-110页 |
·基本概率分配函数的构造 | 第110-111页 |
·实验结果分析 | 第111-112页 |
·基于支持向量机的数据融合 | 第112-119页 |
·经验风险最小化准则 | 第113-114页 |
·统计学习与结构风险最小化准则 | 第114-115页 |
·支持向量机的基本思想 | 第115-118页 |
·实验结果分析 | 第118-119页 |
·小结 | 第119-120页 |
第八章 总结与展望 | 第120-123页 |
参考文献 | 第123-133页 |
发表论文和科研情况说明 | 第133-135页 |
致谢 | 第135页 |