基于独立分量分析的虹膜识别方法
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-15页 |
| ·虹膜识别技术概述 | 第7-10页 |
| ·虹膜的生理特征 | 第7-9页 |
| ·虹膜识别的基本原理和结构 | 第9-10页 |
| ·国内外相关技术发展概况 | 第10-13页 |
| ·国内外虹膜识别技术的发展和研究现状 | 第10-11页 |
| ·国内外虹膜特征提取的研究现状 | 第11-13页 |
| ·本文的主要内容及结构安排 | 第13-15页 |
| 第二章 独立成分分析 | 第15-27页 |
| ·引言 | 第15-16页 |
| ·独立成份分析理论 | 第16-22页 |
| ·ICA理论的基本概念 | 第16-19页 |
| ·ICA理论 | 第19-20页 |
| ·各种独立性判据 | 第20-21页 |
| ·主分量分解与球化 | 第21-22页 |
| ·独立成份分析算法 | 第22-26页 |
| ·采用负熵的固定点算法 | 第23-25页 |
| ·多个独立成份的逐次提取 | 第25-26页 |
| ·PCA对ICA的改进 | 第26-27页 |
| 第三章 虹膜ICA特征提取前的预处理 | 第27-41页 |
| ·虹膜图像的预处理 | 第27-34页 |
| ·虹膜定位 | 第27-30页 |
| ·虹膜纹理归一化 | 第30-32页 |
| ·虹膜纹理增强 | 第32-33页 |
| ·虹膜纹理方向校正 | 第33-34页 |
| ·虹膜图像预处理的改进 | 第34-41页 |
| ·基于局部小块图像的改进方法 | 第34-36页 |
| ·基于感兴趣区域的改进方法 | 第36-38页 |
| ·基于小波变换的二次特征提取的改进方法 | 第38-41页 |
| 第四章 基于ICA的虹膜特征提取 | 第41-49页 |
| ·虹膜特征提取的ICA模型 | 第41-46页 |
| ·虹膜图像的PCA/ICA特征提取过程 | 第46-49页 |
| 第五章 虹膜ICA特征提取后的分类 | 第49-56页 |
| ·余弦距离分类器的设计 | 第49-50页 |
| ·余弦距离 | 第49-50页 |
| ·虹膜识别的余弦距离分类器的实现 | 第50页 |
| ·虹膜识别BP神经网络的设计 | 第50-53页 |
| ·BP神经网络 | 第50-51页 |
| ·虹膜识别BP神经网络的实现 | 第51-53页 |
| ·虹膜识别支持向量机的设计 | 第53-56页 |
| ·支持向量机 | 第53-55页 |
| ·虹膜识别的SVM实现 | 第55-56页 |
| 第六章 实验与分析 | 第56-65页 |
| ·ICA实验 | 第56-58页 |
| ·ICA，PCA/ICA方法的比较 | 第58-60页 |
| ·预处理三种改进方法的比较 | 第60-62页 |
| ·三种分类器的比较 | 第62-64页 |
| ·最终软件平台的实现 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 摘要 | 第70-73页 |
| ABSTRACT | 第73-77页 |
| 致谢 | 第77页 |
