| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景和选题意义 | 第14-17页 |
| 1.2 移动端身份识别和多模态融合研究现状 | 第17-26页 |
| 1.2.1 移动端身份识别研究现状 | 第17-24页 |
| 1.2.2 多模态融合研究现状 | 第24-26页 |
| 1.3 研究内容和目标 | 第26-27页 |
| 1.4 研究思路和方法 | 第27-28页 |
| 1.5 论文的组织结构 | 第28-32页 |
| 第2章 基于超分辨率技术的虹膜图像质量增强 | 第32-48页 |
| 2.1 引言 | 第32-33页 |
| 2.2 移动端近红外光条件下虹膜图像数据库建设 | 第33-37页 |
| 2.2.1 CASIA-Iris-M1-S1数据库 | 第34-35页 |
| 2.2.2 CASIA-Iris-M1-S2数据库 | 第35-37页 |
| 2.2.3 CASIA-Iris-M1-S3数据库 | 第37页 |
| 2.3 基于超分辨率技术的虹膜图像质量增强 | 第37-40页 |
| 2.3.1 基于卷积神经网络的超分辨率技术 | 第37-39页 |
| 2.3.2 基于随机森林的超分辨率技术 | 第39-40页 |
| 2.4 虹膜图像的特征提取与匹配 | 第40-41页 |
| 2.5 实验结果与分析 | 第41-46页 |
| 2.5.1 实验协议 | 第41页 |
| 2.5.2 CASIA-Iris-M1-S1数据库的虹膜识别结果 | 第41-42页 |
| 2.5.3 CASIA-Iris-M1-S2数据库的虹膜识别结果 | 第42-46页 |
| 2.6 小结 | 第46-48页 |
| 第3章 基于深度卷积神经网络的虹膜图像特征表达方法 | 第48-68页 |
| 3.1 引言 | 第48-49页 |
| 3.2 虹膜图像的互补性特征表达方法 | 第49-51页 |
| 3.3 虹膜图像的鲁棒性特征表达方法 | 第51-54页 |
| 3.4 实验结果与分析 | 第54-66页 |
| 3.4.1 实验协议 | 第54页 |
| 3.4.2 虹膜局部特征和相关性特征的互补性分析 | 第54-59页 |
| 3.4.3 虹膜深度特征的鲁棒性分析 | 第59-66页 |
| 3.5 小结 | 第66-68页 |
| 第4章 基于分数层的虹膜和人脸融合 | 第68-78页 |
| 4.1 引言 | 第68-69页 |
| 4.2 虹膜图像的预处理及特征表达 | 第69-71页 |
| 4.3 人脸图像的预处理及特征表达 | 第71-73页 |
| 4.4 虹膜和人脸模态分数层融合 | 第73-74页 |
| 4.5 实验结果与分析 | 第74-76页 |
| 4.5.1 实验协议 | 第74页 |
| 4.5.2 虹膜识别结果 | 第74页 |
| 4.5.3 人脸识别结果 | 第74-76页 |
| 4.5.4 虹膜和人脸融合识别结果 | 第76页 |
| 4.6 小结 | 第76-78页 |
| 第5章 基于自适应加权的深度特征层虹膜和眼周融合 | 第78-96页 |
| 5.1 引言 | 第78-79页 |
| 5.2 虹膜和眼周图像预处理及特征表达 | 第79-80页 |
| 5.3 虹膜和眼周模态特征层融合 | 第80-82页 |
| 5.4 实验结果与分析 | 第82-93页 |
| 5.4.1 实验协议 | 第83页 |
| 5.4.2 单模态识别结果 | 第83-88页 |
| 5.4.3 虹膜和眼周融合识别结果 | 第88-92页 |
| 5.4.4 实验结果分析 | 第92-93页 |
| 5.5 小结 | 第93-96页 |
| 第6章 总结与展望 | 第96-100页 |
| 6.1 本文工作总结 | 第96-97页 |
| 6.2 未来工作展望 | 第97-100页 |
| 参考文献 | 第100-110页 |
| 攻读学位期间发表的学术论文与研究成果 | 第110-112页 |
| 简历 | 第112-114页 |
| 致谢 | 第114-115页 |
