| 摘要 | 第1-4页 |
| Abstract | 第4-12页 |
| 第一章 绪言 | 第12-24页 |
| ·多生物特征识别的研究背景 | 第13-17页 |
| ·多生物特征识别的研究现状 | 第17-20页 |
| ·多生物特征识别的研究意义 | 第20-21页 |
| ·本文的主要研究内容及后续章节的安排 | 第21-24页 |
| 第二章 多生物特征身份识别中的数据融合 | 第24-36页 |
| ·引言 | 第24页 |
| ·数据融合 | 第24-33页 |
| ·数据融合的主要研究方法 | 第25-30页 |
| ·基于概率统计理论 | 第25-27页 |
| ·基于模糊集(Fuzzy Sets)理论 | 第27-30页 |
| ·基于神经网络 | 第30页 |
| ·数据融合的模型 | 第30-33页 |
| ·JDL数据融合模型 | 第31-32页 |
| ·Endsley数据融合模型 | 第32-33页 |
| ·嵌入数据融合的多生物特征识别 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 虹膜的采集及采集层融合算法研究 | 第36-53页 |
| ·概述 | 第36-37页 |
| ·虹膜图像的实时融合预评估算法 | 第37-49页 |
| ·基于联合概率神经网络的实时融合预评估 | 第39-45页 |
| ·算法原理 | 第39-42页 |
| ·实验数据 | 第42-45页 |
| ·基于复合 BPNN的实时融合预评估 | 第45-49页 |
| ·算法原理 | 第46-47页 |
| ·实验结果 | 第47-49页 |
| ·虹膜图像的清晰度和分辨率评估算法 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 虹膜和脸像特征提取算法的研究 | 第53-68页 |
| ·概述 | 第53页 |
| ·虹膜图像的特征提取 | 第53-63页 |
| ·虹膜的定位算法 | 第53-60页 |
| ·基于二维投影的虹膜定位算法 | 第54-58页 |
| ·实验结果 | 第58-60页 |
| ·虹膜纹理的特征提取算法 | 第60-62页 |
| ·虹膜的归一化 | 第60-61页 |
| ·采用一维gaussian复小波提取虹膜纹理的相位信息 | 第61-62页 |
| ·虹膜纹理的特征模板 | 第62-63页 |
| ·脸像的特征提取 | 第63-67页 |
| ·基于Ada-Boost的人眼检测算法 | 第63-64页 |
| ·脸像的分割和归一化 | 第64-65页 |
| ·脸像的特征模板 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 模板匹配及决策层的融合算法研究 | 第68-88页 |
| ·概述 | 第68-69页 |
| ·虹膜及脸像特征模板的匹配 | 第69-71页 |
| ·基于汉明距的虹膜模板特征匹配算法 | 第69-70页 |
| ·基于啮合度计算的脸像特征模板匹配算法 | 第70-71页 |
| ·决策层的融合算法研究 | 第71-87页 |
| ·基于 Bayesian 网络的融合算法 | 第72-74页 |
| ·基于全概率公式的融合算法 | 第74-76页 |
| ·基于隶属度函数的塔式分层融合算法 | 第76-87页 |
| ·本章小结 | 第87-88页 |
| 第六章 生物特征数据的安全 | 第88-97页 |
| ·概述 | 第88-90页 |
| ·基于数字水印的生物特征数据隐藏方法 | 第90-92页 |
| ·基于比特流的虹膜特征数据的隐藏算法 | 第92-96页 |
| ·本章小结 | 第96-97页 |
| 第七章 基于虹膜和脸像的多模态生物特征身份辨识系统 | 第97-123页 |
| ·系统简介 | 第97-98页 |
| ·系统的原理和组成 | 第98-106页 |
| ·生物特征采集单元 | 第100-101页 |
| ·生物特征识别单元 | 第101-104页 |
| ·生物特征数据存储单元 | 第104-106页 |
| ·系统的功能 | 第106-117页 |
| ·身份辨识的系统功能描述 | 第106-109页 |
| ·身份辨识的操作功能描述 | 第109-116页 |
| ·身份辨识的总流程 | 第116-117页 |
| ·系统的测试性能 | 第117-122页 |
| ·本章小结 | 第122-123页 |
| 第八章 全文总结 | 第123-127页 |
| ·本文的研究内容 | 第123-124页 |
| ·本文的研究成果 | 第124-125页 |
| ·后续的研究 | 第125-127页 |
| 参考文献 | 第127-134页 |
| 在读期间的论文和申请的专利 | 第134-136页 |
| 致谢 | 第136页 |