| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·生物特征识别技术 | 第9-11页 |
| ·生物特征识别的发展与现状 | 第9-10页 |
| ·生物特征识别系统 | 第10-11页 |
| ·人耳人脸识别技术 | 第11-12页 |
| ·人耳识别 | 第11-12页 |
| ·人脸识别 | 第12页 |
| ·信息融合技术 | 第12-15页 |
| ·信息融合的定义 | 第12-13页 |
| ·信息融合的层次与方法 | 第13-15页 |
| ·本文所作的工作 | 第15-16页 |
| 第2章 相关理论与技术 | 第16-25页 |
| ·数字图像处理 | 第16-19页 |
| ·模式识别与计算机视觉 | 第19-23页 |
| ·特征融合与多模态识别研究 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 特征提取 | 第25-37页 |
| ·对数字图像的预处理 | 第25-29页 |
| ·图像获取与分割 | 第25页 |
| ·图像归一化和图像增强 | 第25-29页 |
| ·图像识别中的特征提取 | 第29-33页 |
| ·特征的选择 | 第29-30页 |
| ·特征提取的方法及研究现状 | 第30-33页 |
| ·ICA算法 | 第33-36页 |
| ·ICA算法概述 | 第33页 |
| ·ICA算法详细过程 | 第33-35页 |
| ·ICA算法用于处理自然图像数据 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 改进的ICA算法在人耳及人脸特征融合中的应用 | 第37-48页 |
| ·应用KICA算法进行特征提取 | 第37-43页 |
| ·核方法 | 第37-39页 |
| ·KPCA算法描述 | 第39-41页 |
| ·改进的KICA算法的描述 | 第41-43页 |
| ·应用ISA算法进行特征提取 | 第43-47页 |
| ·ICA算法的局限 | 第43-44页 |
| ·不变特征子空间的描述 | 第44-45页 |
| ·基于独立子空间的ISA算法 | 第45-46页 |
| ·独立特征子空间的学习 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 特征识别与分类 | 第48-56页 |
| ·数字特征的分类算法 | 第48页 |
| ·应用改进的RBF网络进行特征识别和分类 | 第48-55页 |
| ·神经网络与RBF网络 | 第48-51页 |
| ·RBF网络中心的选取问题 | 第51-53页 |
| ·应用NNC算法选取RBF网络基函数中心 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 实验与结果分析 | 第56-62页 |
| ·单一特征与组合特征的比较 | 第56-57页 |
| ·联特征与独立成分特征的比较 | 第57-58页 |
| ·独立成分特征中不同方法的比较 | 第58-60页 |
| ·KICA中不同核函数的比较 | 第60-61页 |
| ·各种方法总结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间所发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |