基于深度学习纹理特征的虹膜图像分类
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究的目的和意义 | 第10-12页 |
| 1.2 虹膜基本介绍 | 第12-15页 |
| 1.3 虹膜图像分类介绍 | 第15-16页 |
| 1.4 本论文的主要研究内容 | 第16-18页 |
| 第2章 基于深度学习的图像分类的进展 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 图像分类概述 | 第18-20页 |
| 2.3 Imagenet数据集 | 第20-21页 |
| 2.4 基于深度学习的分类模型介绍 | 第21-28页 |
| 2.4.1 Lenet神经网络 | 第21-22页 |
| 2.4.2 AlexNet神经网络 | 第22-23页 |
| 2.4.3 VGGNet神经网络 | 第23-25页 |
| 2.4.4 GoogLenet神经网络 | 第25-26页 |
| 2.4.5 ResNet神经网络 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于深度虹膜纹理特征的活体检测 | 第29-46页 |
| 3.1 引言 | 第29-31页 |
| 3.2 相关工作 | 第31-32页 |
| 3.3 方法介绍 | 第32-37页 |
| 3.3.1 底层特征提取 | 第32-35页 |
| 3.3.2 纹理基元聚类 | 第35页 |
| 3.3.3 纹理特征表达 | 第35-36页 |
| 3.3.4 支持向量机分类 | 第36-37页 |
| 3.4 活体检测数据库 | 第37-41页 |
| 3.4.1 佩戴美瞳和隐性眼镜的伪造虹膜数据库 | 第37-38页 |
| 3.4.2 打印虹膜数据库 | 第38-39页 |
| 3.4.3 人工合成虹膜数据库 | 第39-40页 |
| 3.4.4 混合假体数据库 | 第40-41页 |
| 3.5 实验及分析 | 第41-45页 |
| 3.5.1 虹膜图像预处理 | 第42页 |
| 3.5.2 实验设置 | 第42-43页 |
| 3.5.3 结果与分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于深度虹膜纹理特征的人种分类 | 第46-58页 |
| 4.1 引言 | 第46-48页 |
| 4.2 相关工作 | 第48-49页 |
| 4.3 方法介绍 | 第49-51页 |
| 4.4 实验准备 | 第51-53页 |
| 4.4.1 人种分类数据库 | 第51-52页 |
| 4.4.2 实验设置 | 第52-53页 |
| 4.5 结果和分析 | 第53-56页 |
| 4.5.1 实验结果 | 第53-54页 |
| 4.5.2 实验分析 | 第54-56页 |
| 4.6 分patch分类投票的结果 | 第56-57页 |
| 4.7 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
