| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 课题研究背景及意义 | 第7-10页 |
| 1.1.1 单模态生物识别技术 | 第8-9页 |
| 1.1.2 多模态生物识别技术 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题研究的核心内容 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 第2章 多模态生物识别理论 | 第13-26页 |
| 2.1 引言 | 第13页 |
| 2.2 多模态生物识别理论介绍 | 第13-16页 |
| 2.2.1 数据融合的原理 | 第13-14页 |
| 2.2.2 融合层次的分类 | 第14-16页 |
| 2.2.3 多模态生物的特征层融合 | 第16页 |
| 2.3 虹膜特征提取 | 第16-20页 |
| 2.3.1 虹膜的生物特征表现形式 | 第16-18页 |
| 2.3.2 基于二维Gobar滤波器的局部纹理特征提取算法 | 第18-19页 |
| 2.3.3 基于小波过零点的特征提取算法 | 第19页 |
| 2.3.4 基于高斯-拉普拉斯滤波器的特征提取算法 | 第19-20页 |
| 2.4 指纹特征提取 | 第20-23页 |
| 2.4.1 指纹的生物特征表现形式 | 第20-22页 |
| 2.4.2 基于细节点的特征提取算法 | 第22-23页 |
| 2.4.3 基于Fingercode的特征提取算法 | 第23页 |
| 2.5 特征层的生物特征融合模型 | 第23-25页 |
| 2.5.1 融合识别的模型 | 第23-24页 |
| 2.5.2 特征层的融合算法 | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 第3章 基于典型相关分析的特征层融合算法 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 典型相关分析的引入 | 第26-28页 |
| 3.2.1 主成分分析法 | 第26-27页 |
| 3.2.2 主成分的求解 | 第27-28页 |
| 3.3 典型相关分析的基本原理 | 第28-32页 |
| 3.3.1 基本思想 | 第29页 |
| 3.3.2 典型相关变量的求解 | 第29-32页 |
| 3.4 基于CCA算法的虹膜和指纹的特征层融合识别 | 第32-35页 |
| 3.4.1 特征提取算法的选择与使用 | 第32-35页 |
| 3.4.2 特征融合算法流程 | 第35页 |
| 3.5 实验 | 第35-38页 |
| 3.5.1 实验对象 | 第35-37页 |
| 3.5.2 实验结果与分析 | 第37-38页 |
| 3.6 小结 | 第38-39页 |
| 第4章 基于改进的典型相关分析的特征层融合算法 | 第39-46页 |
| 4.1 引言 | 第39页 |
| 4.2 典型相关分析的不足 | 第39-40页 |
| 4.2.1 典型相关分析的不足 | 第39页 |
| 4.2.2 针对模式分类的传统改进办法 | 第39-40页 |
| 4.2.3 针对高维小样本问题的传统解决办法 | 第40页 |
| 4.3 基于MDCCA算法的虹膜和指纹的特征层融合识别 | 第40-43页 |
| 4.3.1 基本思想 | 第40-41页 |
| 4.3.2 改进的典型相关分析的求解 | 第41-43页 |
| 4.3.3 特征融合算法流程 | 第43页 |
| 4.4 实验 | 第43-45页 |
| 4.4.1 实验对象和环境 | 第43-44页 |
| 4.4.2 实验结果与分析 | 第44-45页 |
| 4.5 小结 | 第45-46页 |
| 第5章 结论 | 第46-47页 |
| 5.1 论文主要工作 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 作者简介 | 第52页 |
| 攻读硕士学位期间研究成果 | 第52页 |
