| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·研究背景 | 第7-9页 |
| ·生物识别技术 | 第7-8页 |
| ·虹膜识别技术 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·本文研究内容 | 第11-12页 |
| 2 PCA 和LDA 相关算法介绍 | 第12-23页 |
| ·PCA 相关特征提取算法 | 第12-14页 |
| ·传统PCA | 第12-13页 |
| ·2D-PCA | 第13-14页 |
| ·LDA 相关特征提取算法 | 第14-18页 |
| ·传统LDA | 第14-15页 |
| ·基于传统LDA 边缘(样本、类别)问题的改进 | 第15-16页 |
| ·基于传统LDA 小样本问题的改进 | 第16-18页 |
| ·PCA 和LDA 相融合的特征提取算法 | 第18-20页 |
| ·PCA 和LDA 相关算法在频率域(小波域)上的应用 | 第20-21页 |
| ·小结 | 第21-23页 |
| ·本文讨论算法性能比较 | 第21页 |
| ·结论 | 第21-23页 |
| 3 虹膜图像的预处理 | 第23-27页 |
| ·虹膜区域的定位 | 第23-25页 |
| ·虹膜区域粗定位 | 第23-24页 |
| ·虹膜区域精确定位 | 第24-25页 |
| ·虹膜区域的归一化 | 第25页 |
| ·纹理增强 | 第25-27页 |
| 4 一种基于多频带2D-PCA 的虹膜识别算法 | 第27-32页 |
| ·总体思想 | 第27页 |
| ·图像的预处理 | 第27页 |
| ·多频带2D-PCA 特征提取 | 第27-28页 |
| ·特征识别 | 第28-29页 |
| ·小结 | 第29-32页 |
| ·实验环境 | 第29页 |
| ·实验结果 | 第29-30页 |
| ·与其它类似方法实验结果比较 | 第30-32页 |
| 5 一种基于2D-PLDA 和小波子带的虹膜识别算法 | 第32-39页 |
| ·基于样本集预分类的二维线性分析--2D-PLDA | 第32-33页 |
| ·基于2D-PLDA 和小波子带的虹膜识别算法 | 第33-36页 |
| ·虹膜图像的预处理 | 第33-34页 |
| ·基于2D-PLDA 和小波的特征提取 | 第34-35页 |
| ·输入空间小波子带特征匹配 | 第35页 |
| ·特征识别算法 | 第35-36页 |
| ·小结 | 第36-39页 |
| ·实验结果 | 第36-37页 |
| ·与其它类似方法实验结果对比 | 第37-39页 |
| 6 工作总结和展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 致谢 | 第43-44页 |
| 攻读硕士学位期间发表的论文和参与的科研项目及成果 | 第44页 |
