一种基于支持向量机的多生物特征融合身份识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 多生物特征身份识别的国内外研究现状和发展 | 第12-13页 |
| 1.2.1 多生物特征身份识别的国内外研究现状 | 第12-13页 |
| 1.2.2 生物特征身份认证技术的发展 | 第13页 |
| 1.3 支持向量机的研究进展 | 第13-14页 |
| 1.4 本文研究的主要内容 | 第14-17页 |
| 2 基于生物特征融合的身份识别技术 | 第17-32页 |
| 2.1 人脸识别 | 第17-22页 |
| 2.1.1 人脸图像预处理 | 第19-20页 |
| 2.1.2 建立特征脸空间 | 第20-21页 |
| 2.1.3 提取训练集映射特征 | 第21-22页 |
| 2.2 指纹识别 | 第22-27页 |
| 2.2.1 指纹图像增强 | 第23-24页 |
| 2.2.2 方向信息提取 | 第24-25页 |
| 2.2.3 二值化处理 | 第25页 |
| 2.2.4 细化 | 第25-27页 |
| 2.3 虹膜识别 | 第27-29页 |
| 2.3.1 虹膜图像定位 | 第27-28页 |
| 2.3.2 虹膜图像归一化 | 第28页 |
| 2.3.3 特征提取 | 第28-29页 |
| 2.4 多生物特征融合识别 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3. 支持向量机理论基础 | 第32-44页 |
| 3.1 支持向量机 | 第32-36页 |
| 3.1.1 线性可分 SVM | 第32-34页 |
| 3.1.2 线性不可分 SVM | 第34-35页 |
| 3.1.3 非线性支持向量机 | 第35-36页 |
| 3.2 核函数理论 | 第36-40页 |
| 3.2.1 内积与核函数 | 第36-37页 |
| 3.2.2 Mercer 定理 | 第37-39页 |
| 3.2.3 常用核函数 | 第39-40页 |
| 3.3 修正的高斯核函数 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于支持向量机的身份识别 | 第44-63页 |
| 4.1 实验一：人脸识别实验 | 第44-49页 |
| 4.1.1 实验环境 | 第44页 |
| 4.1.2 实验步骤及结果 | 第44-48页 |
| 4.1.3 实验结果分析 | 第48-49页 |
| 4.2 实验二：指纹识别实验 | 第49-54页 |
| 4.2.1 实验环境 | 第49页 |
| 4.2.2 实验步骤及结果 | 第49-53页 |
| 4.2.3 实验结果分析 | 第53-54页 |
| 4.3 实验三：虹膜识别实验 | 第54-57页 |
| 4.3.1 实验环境 | 第54页 |
| 4.3.2 实验步骤及结果 | 第54-57页 |
| 4.3.3 实验结果分析 | 第57页 |
| 4.4 实验四：多生物特征融合的身份识别实验 | 第57-62页 |
| 4.4.1 实验环境 | 第57-58页 |
| 4.4.2 实验步骤及结果 | 第58-62页 |
| 4.4.3 实验结果分析 | 第62页 |
| 4.5 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 研究总结 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简历 | 第69页 |
| 发表的学术论文 | 第69-70页 |
