基于统计方法的虹膜特征表示的研究
| 第一章 绪论 | 第1-17页 |
| ·生物特征识别技术简介 | 第7-10页 |
| ·基于虹膜的生物识别技术 | 第10-11页 |
| ·虹膜识别技术和虹膜特征提取的发展和国内外现状 | 第11-14页 |
| ·基于统计的方法在生物特征识别领域的应用 | 第14-15页 |
| ·课题研究意义及其主要研究工作 | 第15-17页 |
| 第二章 虹膜识别系统的原理及其构成 | 第17-25页 |
| ·虹膜的纹理结构及特点 | 第17-19页 |
| ·虹膜识别系统的组成 | 第19-23页 |
| ·虹膜图像采集系统 | 第19-21页 |
| ·虹膜识别系统的软件部分 | 第21-23页 |
| ·JLUBR-IRIS 虹膜图像库 | 第23-25页 |
| 第三章 基于统计方法的虹膜特征表示 | 第25-51页 |
| ·虹膜图像的小波变换 | 第25-27页 |
| ·主成分分析方法(PCA) | 第27-33页 |
| ·PCA 基本原理 | 第27-28页 |
| ·虹膜图像的PCA 算法 | 第28-33页 |
| ·主成分分析提取虹膜特征的优缺点分析 | 第33页 |
| ·Fisher 线性判别方法(FLD) | 第33-42页 |
| ·Fisher 鉴别向量 | 第34-37页 |
| ·最优鉴别平面 | 第37-38页 |
| ·多类问题的Fisher 线性判别 | 第38-41页 |
| ·Fisher 线性判别提取虹膜特征的优缺点分析 | 第41-42页 |
| ·基于PCA 和Fisher 线性判别的虹膜识别 | 第42-46页 |
| ·独立成分分析方法(ICA) | 第46-49页 |
| ·ICA 基本理论 | 第46-47页 |
| ·ICA 算法 | 第47-49页 |
| ·虹膜的分类 | 第49-51页 |
| ·相似性度量 | 第49-50页 |
| ·最近邻决策规则 | 第50-51页 |
| 第四章 虹膜识别的神经网络的设计 | 第51-62页 |
| ·人工神经网络概述 | 第51-52页 |
| ·BP 神经网络 | 第52-58页 |
| ·BP 神经网络的输入和输出 | 第53-54页 |
| ·标准BP 网络的学习算法 | 第54-58页 |
| ·对BP 网络所作的改进 | 第58-59页 |
| ·虹膜识别BP 神经网络的设计 | 第59-62页 |
| ·输入输出层的设计 | 第59-60页 |
| ·隐含层内神经元数的确定 | 第60页 |
| ·初始权值的选择 | 第60-61页 |
| ·虹膜的匹配 | 第61-62页 |
| 第五章 实验结果与分析 | 第62-71页 |
| ·基于统计的虹膜识别实验结果与分析 | 第62-69页 |
| ·基于BP 神经网络的虹膜识别实验与分析 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 摘要 | 第77-79页 |
| Abstract | 第79-82页 |
| 致谢 | 第82-83页 |
| 导师及作者简介 | 第83页 |
