| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-17页 |
| ·研究背景及意义 | 第8-11页 |
| ·单模态生物特征识别技术 | 第8-10页 |
| ·多模态生物特征识别技术 | 第10-11页 |
| ·研究现状及发展 | 第11-15页 |
| ·多模态生物特征识别研究历程 | 第11页 |
| ·多模态生物特征识别层次划分 | 第11-15页 |
| ·本文的主要工作和内容安排 | 第15-17页 |
| ·本文的主要工作 | 第15页 |
| ·本文的内容安排 | 第15-17页 |
| 第2章 特征层的融合识别理论框架 | 第17-29页 |
| ·引言 | 第17-18页 |
| ·人脸特征提取方法 | 第18-20页 |
| ·基于几何特征的方法 | 第18页 |
| ·基于统计的方法 | 第18-19页 |
| ·基于弹性图匹配的方法 | 第19-20页 |
| ·基于人工神经网络的方法 | 第20页 |
| ·虹膜特征提取方法 | 第20-25页 |
| ·基于二维 Gabor 滤波器的局部纹理相位编码方法 | 第21-22页 |
| ·基于高斯-拉普拉斯滤波器的的方法 | 第22-23页 |
| ·基于小波过零点方法 | 第23-24页 |
| ·基于二维 Log-Gabor 变换的方法 | 第24-25页 |
| ·特征层的融合框架 | 第25-28页 |
| ·特征层的融合识别模型 | 第25-26页 |
| ·特征层的融合策略 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于典型相关分析的人脸和虹膜的特征层融合识别 | 第29-43页 |
| ·引言 | 第29页 |
| ·典型相关分析的引入 | 第29-32页 |
| ·主成分分析的基本思想 | 第29-30页 |
| ·主成分的求解 | 第30-32页 |
| ·典型相关分析的理论框架 | 第32-36页 |
| ·基本思想 | 第32-33页 |
| ·典型相关变量的求解 | 第33-36页 |
| ·基于CCA 方法的人脸和虹膜的特征层融合识别 | 第36-39页 |
| ·特征提取和标准化 | 第36-39页 |
| ·特征融合算法流程 | 第39页 |
| ·实验 | 第39-42页 |
| ·实验对象 | 第39-41页 |
| ·实验结果与分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于改进的典型相关分析的人脸和虹膜特征层融合识别 | 第43-54页 |
| ·引言 | 第43-44页 |
| ·典型相关分析的不足 | 第44-45页 |
| ·特征融合中的高维小样本问题 | 第44页 |
| ·高维小样本问题的早期解决方法 | 第44-45页 |
| ·改进的典型相关分析方法的理论框架 | 第45-49页 |
| ·基本思想 | 第45-46页 |
| ·典型相关矩阵的求解 | 第46-49页 |
| ·基于LR-CCA 方法的人脸和虹膜的特征层融合识别 | 第49-50页 |
| ·特征提取和标准化 | 第49页 |
| ·特征融合算法流程 | 第49-50页 |
| ·实验 | 第50-53页 |
| ·实验对象 | 第50-51页 |
| ·实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 硕士期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
| 摘要 | 第62-64页 |
| Abstract | 第64-66页 |
