| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题背景 | 第11-12页 |
| ·本课题研究的目的及意义 | 第12页 |
| ·国内外相关技术发展现状 | 第12-14页 |
| ·国外多生物特征识别的研究状况 | 第12-13页 |
| ·国内多生物特征识别的研究现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| 第2章 多生物特征识别系统 | 第15-25页 |
| ·信息融合技术概述 | 第15-20页 |
| ·多模式信息融合 | 第15-20页 |
| ·多生物特征融合系统框架 | 第20-21页 |
| ·多分类器组合问题 | 第21-24页 |
| ·单个分类器三种不同层次的输出信息 | 第21-23页 |
| ·三种不同类型的多分类器组合问题 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 人脸、掌纹识别技术 | 第25-39页 |
| ·人脸识别技术简介 | 第25页 |
| ·常见的人脸识别方法 | 第25-27页 |
| ·基于人脸图像的人脸识别方法 | 第25-26页 |
| ·基于人脸特征的人脸识别方法 | 第26-27页 |
| ·多方法组合的人脸识别方法 | 第27页 |
| ·核方法应用于高维数据的技术框架 | 第27-32页 |
| ·应用于高维数据的技术框架概述 | 第27-30页 |
| ·应用于高维数据的技术框架在不同数据库上的实验 | 第30-31页 |
| ·应用于高维数据的技术框架的实验结果分析 | 第31-32页 |
| ·掌纹识别技术简介 | 第32-33页 |
| ·常见的掌纹识别方法 | 第33-38页 |
| ·基于模版匹配的掌纹识别 | 第34-35页 |
| ·基于掌纹线特征的掌纹识别 | 第35页 |
| ·基于傅立叶变换的掌纹识别 | 第35页 |
| ·基于Sobel算子和形态学的掌纹识别 | 第35-36页 |
| ·基于主成分分析的掌纹识别 | 第36页 |
| ·基于二维Gabor滤波器的掌纹识别 | 第36-37页 |
| ·基于Fisher-Palm的掌纹识别 | 第37页 |
| ·基于模板学习的掌纹识别 | 第37-38页 |
| ·基于小波的掌纹识别 | 第38页 |
| ·本文采用的掌纹特征抽取方法 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于人脸和掌纹的多生物特征识别系统 | 第39-56页 |
| ·多生物特征识别方法概述 | 第39-40页 |
| ·人脸、掌纹多生物特征融合 | 第40-41页 |
| ·基于识别性能矩阵的加权融合算法 | 第41-43页 |
| ·基于输出向量细节的加权融合算法 | 第43-46页 |
| ·单个分类器输出向量的求取 | 第43-44页 |
| ·输出向量加权流程 | 第44页 |
| ·基于经验知识对输出向量各分量加权 | 第44-45页 |
| ·基于输出向量细节数据特征的加权 | 第45-46页 |
| ·基于单个样本具体情况分析的加权融合算法 | 第46-48页 |
| ·基于单个样本具体情况加权融合的基本思想 | 第46-47页 |
| ·基于样本具体情况加权融合在多生物特征融合中的应用 | 第47-48页 |
| ·自适应加权融合算法 | 第48页 |
| ·融合分类器的设计 | 第48-49页 |
| ·实验结果分析 | 第49-55页 |
| ·实验数据 | 第50页 |
| ·本文多生物特征融合与单生物特征识别的性能比较 | 第50-54页 |
| ·本文多生物特征融合算法与传统加权融合算法性能比较 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |