| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-23页 |
| ·课题背景 | 第11-12页 |
| ·研究的目的和意义 | 第12-13页 |
| ·多生物特征识别技术国内外研究现状 | 第13-14页 |
| ·国外多生物特征识别技术的研究现状 | 第13页 |
| ·国内多生物特征识别的研究现状 | 第13-14页 |
| ·多生物特征识别存在的困难 | 第14页 |
| ·人脸识别的研究现状与存在的主要困难 | 第14-17页 |
| ·人脸识别的研究现状 | 第14-17页 |
| ·人脸识别存在的主要困难 | 第17页 |
| ·人耳识别的研究现状与存在的主要困难 | 第17-21页 |
| ·人耳识别的研究现状 | 第17-21页 |
| ·人耳识别存在的主要困难 | 第21页 |
| ·本文主要内容及各章内容安排 | 第21-23页 |
| 第二章 多生物特征识别系统 | 第23-31页 |
| ·信息融合技术概述 | 第23页 |
| ·多模态数据融合 | 第23-27页 |
| ·数据层融合 | 第23-24页 |
| ·特征层融合 | 第24-25页 |
| ·匹配层融合 | 第25-26页 |
| ·决策层融合 | 第26页 |
| ·四种数据融合方式的对比 | 第26-27页 |
| ·多生物特征系统基本框架 | 第27页 |
| ·多生物特征识别的性能评估 | 第27-29页 |
| ·本章小节 | 第29-31页 |
| 第三章 基于子空间的人脸识别和人耳识别 | 第31-47页 |
| ·主成分分析方法(PCA) | 第31-38页 |
| ·K-L变换原理 | 第31-33页 |
| ·PCA方法 | 第33-35页 |
| ·PCA方法在人脸识别或人耳识别中的应用 | 第35-36页 |
| ·奇异值分解定理(SVD) | 第36页 |
| ·PCA方法的实验结果 | 第36-38页 |
| ·二维主成分分析方法(2DPCA) | 第38-41页 |
| ·2DPCA方法的原理 | 第38-39页 |
| ·图像的特征矩阵 | 第39页 |
| ·2DPCA的优缺点 | 第39-40页 |
| ·2DPCA方法的实验结果 | 第40-41页 |
| ·Fisher线性判别方法 | 第41-43页 |
| ·Fisher线性判别方法的原理 | 第41-43页 |
| ·FLD方法的奇异性问题 | 第43页 |
| ·二维Fisher线性判别分析方法(2DFLD) | 第43-46页 |
| ·二维Fisher线性判别分析(2DFLD)方法原理 | 第44-45页 |
| ·2DFLD方法的实验结果 | 第45-46页 |
| ·本章小节 | 第46-47页 |
| 第四章 人脸人耳组合识别 | 第47-61页 |
| ·人脸库和人耳库介绍 | 第47-48页 |
| ·人脸库介绍 | 第47-48页 |
| ·人耳库介绍 | 第48页 |
| ·实验环境 | 第48页 |
| ·人脸识别和人耳识别的基本过程 | 第48-49页 |
| ·人脸图像和人耳图像预处理 | 第49-50页 |
| ·基于2DFLD方法的人脸人耳图像层组合识别 | 第50-55页 |
| ·基于2DFLD方法的人脸人耳图像层组合识别的算法 | 第51-52页 |
| ·基于2DFLD方法的人脸人耳图像层组合识别的实验 | 第52-55页 |
| ·基于2DFLD方法的人脸人耳特征层组合识别 | 第55-59页 |
| ·基于2DFLD方法的人脸人耳特征层组合识别的算法 | 第56-57页 |
| ·基于2DFLD方法的人脸人耳特征层组合识别的实验 | 第57-59页 |
| ·人脸人耳组合识别模拟系统的实现 | 第59-60页 |
| ·本章小节 | 第60-61页 |
| 第五章 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 在学研究成果 | 第66-67页 |
| 致谢 | 第67页 |
