基于SVR的Gabor虹膜特征提取与识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 虹膜识别研究背景与意义 | 第10-11页 |
| 1.2 虹膜识别国内外发展情况 | 第11-12页 |
| 1.3 虹膜识别简介 | 第12-14页 |
| 1.3.1 虹膜介绍 | 第12-13页 |
| 1.3.2 虹膜识别系统流程 | 第13-14页 |
| 1.4 论文的研究内容和组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 虹膜图像采集与预处理 | 第16-27页 |
| 2.1 常用虹膜图像库 | 第16-19页 |
| 2.2 虹膜图像采集设备 | 第19-21页 |
| 2.2.1 已有的虹膜图像采集设备 | 第19页 |
| 2.2.2 自主研发的虹膜图像采仪 | 第19-21页 |
| 2.3 图像预处理 | 第21-26页 |
| 2.3.1 虹膜图像质量评价 | 第22页 |
| 2.3.2 虹膜区域定位 | 第22-24页 |
| 2.3.3 虹膜纹理图像的归一化 | 第24-25页 |
| 2.3.4 虹膜图像的增强 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 虹膜特征提取与匹配 | 第27-45页 |
| 3.1 Gabor 变换背景介绍 | 第27-28页 |
| 3.2 基于 Gabor 虹膜特征新的提取算法 | 第28-34页 |
| 3.2.1 2D-Gabor 理论 | 第28-29页 |
| 3.2.2 虹膜纹理特征选择 | 第29页 |
| 3.2.3 变换域的特征 | 第29-30页 |
| 3.2.4 分块编码特征向量 | 第30-31页 |
| 3.2.5 幅值信息编码 | 第31-32页 |
| 3.2.6 相位信息编码 | 第32-34页 |
| 3.3 虹膜特征的匹配 | 第34-37页 |
| 3.3.1 基于欧式距离的特征匹配 | 第36页 |
| 3.3.2 基于海明距离的特征匹配 | 第36-37页 |
| 3.4 特征的评价指标 | 第37-38页 |
| 3.5 实验与分析 | 第38-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于 SVR 多特征的新融合方法 | 第45-54页 |
| 4.1 SVM 与 SVR 算法原理介绍 | 第45-47页 |
| 4.1.1 SVM 算法原理 | 第45-46页 |
| 4.1.2 SVR 算法原理 | 第46-47页 |
| 4.2 多特征新的融合方式 | 第47-48页 |
| 4.3 实验与分析 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 下一步工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介及在学期间所取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
