首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于二维Gabor滤波的虹膜特征表达及识别方法研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第12-28页
    1.1 研究背景和意义第12-13页
    1.2 虹膜识别系统概述第13-19页
        1.2.1 虹膜的生理特征第13-15页
        1.2.2 虹膜识别系统的组成第15-16页
        1.2.3 虹膜识别性能的评价指标第16-19页
    1.3 虹膜图像库简介第19-21页
        1.3.1 CASIA虹膜库第19-20页
        1.3.2 MMU虹膜库第20页
        1.3.3 JLU虹膜库第20-21页
    1.4 虹膜识别技术的研究现状第21-25页
        1.4.1 虹膜图像预处理第21-22页
        1.4.2 特征提取与识别第22-24页
        1.4.3 多模态生物特征识别第24-25页
    1.5 本文主要研究内容第25-26页
    1.6 本文组织结构第26-28页
第2章 基于Gabor滤波的虹膜能量方向特征提取第28-40页
    2.1 引言第28-29页
    2.2 虹膜识别系统架构第29页
    2.3 虹膜预处理第29-30页
    2.4 滤波器组设计第30-33页
        2.4.1 二维Gabor滤波器第30-32页
        2.4.2 构建二维Gabor滤波器组第32-33页
    2.5 滤波器组参数选择第33-36页
        2.5.1 频率参数第33-34页
        2.5.2 尺度参数第34-35页
        2.5.3 方向参数第35-36页
    2.6 特征编码及匹配第36-37页
    2.7 实验结果与分析第37-39页
    2.8 本章小结第39-40页
第3章 基于多扇区纹理特征和加权融合的虹膜识别方法第40-54页
    3.1 引言第40页
    3.2 尺度局限性分析第40-42页
    3.3 多尺度特征提取和加权融合识别第42-45页
        3.3.1 算法总体流程第42-43页
        3.3.2 多环带虹膜图像分割第43-44页
        3.3.3 基于扇区的虹膜归一化第44-45页
        3.3.4 加权融合匹配第45页
    3.4 实验结果与分析第45-53页
        3.4.1 归一化尺寸选择第46-48页
        3.4.2 加权融合匹配第48-50页
        3.4.3 与其它算法的比较分析第50-53页
    3.5 本章小结第53-54页
第4章 基于能量方向直方图特征的虹膜识别方法第54-68页
    4.1 引言第54-55页
    4.2 虹膜图像预处理第55页
    4.3 多方向、单尺度EOF特征的提取第55-57页
    4.4 直方图变换及EOHF编码第57-58页
    4.5 欧式距离匹配第58页
    4.6 实验结果与分析第58-67页
        4.6.1 ROI区域截取第58-61页
        4.6.2 ROI尺寸优化第61-63页
        4.6.3 EOHF性能分析第63-66页
        4.6.4 不同虹膜库上的性能测试第66-67页
    4.7 本章小结第67-68页
第5章 基于局部纹理特征的虹膜二次识别方法第68-88页
    5.1 引言第68-69页
    5.2 EOHF特征的局限性分析第69-70页
    5.3 SRC方法总体流程第70-71页
    5.4 SRC方法的实现过程第71-73页
        5.4.1 图像预处理第71页
        5.4.2 首次识别第71-72页
        5.4.3 二次识别第72-73页
    5.5 实验结果与分析第73-87页
        5.5.1 SRC方法性能分析第73-83页
        5.5.2 不同分类器下的性能比较第83-86页
        5.5.3 与已有算法的比对分析第86-87页
    5.6 本章小结第87-88页
第6章 基于特征层融合的人脸-虹膜多模态生物特征识别方法第88-104页
    6.1 引言第88-89页
    6.2 人脸-虹膜多模态特征融合方案第89-91页
    6.3 通用的特征提取模式第91-94页
    6.4 特征融合与识别第94-95页
    6.5 实验结果与分析第95-103页
        6.5.1 人脸和虹膜多模态特征库的构建第95-97页
        6.5.2 人脸和虹膜特征的提取第97-98页
        6.5.3 单模态特征识别第98-100页
        6.5.4 多模态特征识别第100-103页
    6.6 本章小结第103-104页
第7章 总结和展望第104-106页
    7.1 总结第104-105页
    7.2 展望第105-106页
参考文献第106-116页
作者简介及在学期间所取得的科研成果第116-118页
致谢第118页

论文共118页,点击 下载论文
上一篇:转录组数据的共表达分析和扩展应用
下一篇:电信业务市场竞争博弈过程解析及其复杂性研究