前言
第一章 緒論
1.1 生物認(rèn)證概述
1.1.1 生物認(rèn)證技術(shù)簡(jiǎn)介
1.1.2 生物認(rèn)證的優(yōu)點(diǎn)
1.1.3 生物認(rèn)證的特征和分類
1.1.4 生物認(rèn)證系統(tǒng)的處理流程
1.1.5 生物認(rèn)證的發(fā)展?fàn)顩r
1.2 虹膜識(shí)別
1.2.1 虹膜的結(jié)構(gòu)與生物特征
1.2.2 虹膜識(shí)別系統(tǒng)的性能指標(biāo)
1.2.3 虹膜識(shí)別的實(shí)用價(jià)值
1.3 本書的組織結(jié)構(gòu)


第二章 虹膜身份識(shí)別系統(tǒng)概述
2.1 模式識(shí)別簡(jiǎn)介
2.2 虹膜識(shí)別系統(tǒng)的工作流程
2.2.1 虹膜圖像獲取
2.2.2 虹膜圖像預(yù)處理
2.2.3 虹膜圖像的特征提取
2.2.4 虹膜圖像的模式匹配及分類器設(shè)計(jì)
2.3 虹膜識(shí)別系統(tǒng)的研究現(xiàn)狀
2.4 小結(jié)


第三章 虹膜圖像預(yù)處理
3.1 預(yù)備知識(shí)
3.1.1 灰度直方圖
3.1.2 邊緣檢測(cè)算子
3.1.3 H叫g(shù)11變換
3.2 虹膜定位算法概述
3.2.1 Dau舯an的虹膜定位算法
3.2.2 wildes的虹膜定位算法
3.2.3 中科院自動(dòng)化所王蘊(yùn)紅、譚鐵牛等的虹膜定位算法
3.2.4 常用虹膜定位算法比較
3.3 基于統(tǒng)計(jì)原理的虹膜定位算法
3.3.1 瞳孔圓心與半徑的定位
3.3.2 基于統(tǒng)計(jì)原理的邊緣檢測(cè)閾值分析方法
3.3.3 虹膜外邊界的定位
3.4 基于水平集方法的虹膜定位算法
3.4.1 內(nèi)邊緣定位算法
3.4.2 外邊緣定位算法
3.5 虹膜圖像的噪聲處理
3.5.1 眼瞼噪聲處理
3.5.2 眼睫毛噪聲處理
3.5.3 光斑噪聲處理
3.6 虹膜圖像的歸一化
3.7 虹膜圖像的增強(qiáng)
3.8 小結(jié)


第四章 虹膜特征提取與編碼
4.1 預(yù)備知識(shí)
4.1.1 小波分析簡(jiǎn)介
4.1.2 多分辨分析
4.1.3 有限正交小波基
4.1.4 具有有限支集的規(guī)范正交小波基的刻畫
4.2 基于復(fù)值二維Gabor變換的虹膜紋理相位編碼
4.2.1 二維Gabm‘變換
4.2.2 虹膜紋理相位編碼
4.3 基于二維小波變換的特征提取
4.3.1 小波變換
4.3.2 Daubechies小波濾波系數(shù)
4.3.3 離散小波變換
4.3.4 二維DWT.
4.3.5 積分圖像
4.3.6 編碼
4.4 基于零譜矩濾波器的特征提取
4.4.1 零譜矩濾波器
4.4.2 低通平衡式零譜矩濾波器
4.4.3 基于LSZSMF的虹膜特征提取與編碼
4.5 一種一維信號(hào)的特征提取方法
4.5.1 局部紋理圖像
4.5.2 一維虹膜特征提取與編碼
4.6 虹膜圖像注冊(cè)
4.7 小結(jié)


第五章 模式匹配及分類器設(shè)計(jì)
5.1 模式匹配的一些基本問(wèn)題
5.2 最小距離分類器
5.3 海明距離
5.3.1 分類器設(shè)計(jì)
5.3.2 閾值分析
5.3.3 Daugman虹膜識(shí)別系統(tǒng)的速度性能總結(jié)
5.4 方差倒數(shù)加權(quán)歐氏距離
5.4.1 分類器設(shè)計(jì)
5.4.2 實(shí)驗(yàn)結(jié)果及分析
5.5 基于SIDASAM的虹膜分類方法
5.5.1 熵函數(shù)
5.5.2 相對(duì)熵與判別熵
5.5.3 SIDASAM方法
5.5.4 實(shí)驗(yàn)結(jié)果分析
5.6 識(shí)別速度比較
5.7 小結(jié)


第六章 基于奇異值分解和隱馬爾可夫模型的虹膜識(shí)別方法
6.1 奇異值分解定理
6.2 奇異值向量作為觀察向量的優(yōu)點(diǎn)
6.3 虹膜奇異值特征向量提取
6.4 奇異值觀察向量數(shù)值化
6.5 隱馬爾可夫模型的發(fā)展概況
6.6 隱馬爾可夫模型理論基礎(chǔ)
6.6.1 隱馬爾可夫模型的定義
6.6.2 隱馬爾可夫模型的三個(gè)基本問(wèn)題
6.6.3 隱馬爾可夫模型的算法
6.7 基于HMM的虹膜圖像識(shí)別系統(tǒng)
6.7.1 HMM模型評(píng)價(jià)
6.7.2 HMM模型訓(xùn)練
6.7.3 基于多觀測(cè)值序列的模型參數(shù)重估算法
6.8 模型參數(shù)的選擇及初始化
6.8.1 隱馬爾可夫模型的類型
6.8.2 隱馬爾可夫的拓?fù)浣Y(jié)構(gòu)
6.8.3 隱馬爾可夫模型參數(shù)的確定
6.8.4 隱馬爾可夫模型參數(shù)的初始化
6.9 基于隱馬爾可夫模型的識(shí)別決策方法
6.10 實(shí)驗(yàn)結(jié)果


第七章 復(fù)合生物特征識(shí)別技術(shù)
7.1 概述
7.2 復(fù)合生物特征識(shí)別技術(shù)的研究概況
7.2.1 國(guó)外復(fù)合生物特征識(shí)別技術(shù)研究狀況
7.2.2 國(guó)內(nèi)復(fù)合生物特征識(shí)別技術(shù)研究狀況
7.3 復(fù)合生物特征識(shí)別技術(shù)的算法介紹
7.3.1 復(fù)合生物特征識(shí)別技術(shù)
7.3.2 數(shù)據(jù)融合算法
7.4 人臉與虹膜識(shí)別
7.4.1 人臉識(shí)別
7.4.2 人臉檢測(cè)與定位
7.4.3 人臉特征提取
7.5 人臉和虹膜特征融合系統(tǒng)
7.6 Fisher判別和多數(shù)投票法融合
7.6.1 Fisher判別
7.6.2 多數(shù)投票法確定Fisher判別結(jié)果
7.7 融合算法實(shí)驗(yàn)
7.8 實(shí)驗(yàn)結(jié)果分析
7.9 小結(jié)
參考文獻(xiàn)