人体虹膜图像信息处理与识别技术

图书标准信息

• 作者 孙秋成 著；王立君；徐中宇
• 出版社 水利水电出版社
• 出版时间 2014-06
• 版次 1
• ISBN 9787517020998
• 定价 35.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 132页
• 字数 156千字

【内容简介】

　　本书主要介绍人体虹膜图像信息处理技术的基本理论和方法，首先介绍了生物特征识别技术的基本概念和方法，然后介绍了虹膜识别系统的处理流程，最后介绍了虹膜识别系统中各个阶段的算法和原理实现，并给出算法仿真实验及结果分析。

  本书内容主要包括：绪论、虹膜身份识别系统概述、虹膜图像预处理、虹膜特征提取与编码、模式匹配及分类器设计、基于奇异值分解和隐马尔可夫模型的虹膜识别方法、复合生物特征识别技术。

  本书可作为高等学校计算机科学与技术、电气与电子信息类专业高年级本科生、研究生和研究人员的科研用书，也可作为信息安全、生物识别系统、图像处理和模式识别系统等研究开发人员和工程技术人员的参考书。

【目录】

前言第一章 绪论  1.1 生物认证概述    1.1.1 生物认证技术简介    1.1.2 生物认证的优点    1.1.3 生物认证的特征和分类    1.1.4 生物认证系统的处理流程    1.1.5 生物认证的发展状况  1.2 虹膜识别    1.2.1 虹膜的结构与生物特征    1.2.2 虹膜识别系统的性能指标    1.2.3 虹膜识别的实用价值  1.3 本书的组织结构第二章 虹膜身份识别系统概述  2.1 模式识别简介  2.2 虹膜识别系统的工作流程    2.2.1 虹膜图像获取    2.2.2 虹膜图像预处理    2.2.3 虹膜图像的特征提取    2.2.4 虹膜图像的模式匹配及分类器设计  2.3 虹膜识别系统的研究现状  2.4 小结第三章 虹膜图像预处理  3.1 预备知识    3.1.1 灰度直方图    3.1.2 边缘检测算子    3.1.3 H叫g11变换  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 中科院自动化所王蕴红、谭铁牛等的虹膜定位算法    3.2.4 常用虹膜定位算法比较  3.3 基于统计原理的虹膜定位算法    3.3.1 瞳孔圆心与半径的定位    3.3.2 基于统计原理的边缘检测阈值分析方法    3.3.3 虹膜外边界的定位  3.4 基于水平集方法的虹膜定位算法    3.4.1 内边缘定位算法    3.4.2 外边缘定位算法  3.5 虹膜图像的噪声处理    3.5.1 眼睑噪声处理    3.5.2 眼睫毛噪声处理    3.5.3 光斑噪声处理  3.6 虹膜图像的归一化  3.7 虹膜图像的增强  3.8 小结第四章 虹膜特征提取与编码  4.1 预备知识    4.1.1 小波分析简介    4.1.2 多分辨分析    4.1.3 有限正交小波基    4.1.4 具有有限支集的规范正交小波基的刻画  4.2 基于复值二维Gabor变换的虹膜纹理相位编码    4.2.1 二维Gabm‘变换    4.2.2 虹膜纹理相位编码  4.3 基于二维小波变换的特征提取    4.3.1 小波变换    4.3.2 Daubechies小波滤波系数    4.3.3 离散小波变换    4.3.4 二维DWT.    4.3.5 积分图像    4.3.6 编码  4.4 基于零谱矩滤波器的特征提取    4.4.1 零谱矩滤波器    4.4.2 低通平衡式零谱矩滤波器    4.4.3 基于LSZSMF的虹膜特征提取与编码  4.5 一种一维信号的特征提取方法    4.5.1 局部纹理图像    4.5.2 一维虹膜特征提取与编码  4.6 虹膜图像注册  4.7 小结第五章 模式匹配及分类器设计  5.1 模式匹配的一些基本问题  5.2 最小距离分类器  5.3 海明距离    5.3.1 分类器设计    5.3.2 阈值分析    5.3.3 Daugman虹膜识别系统的速度性能总结  5.4 方差倒数加权欧氏距离    5.4.1 分类器设计    5.4.2 实验结果及分析  5.5 基于SIDASAM的虹膜分类方法    5.5.1 熵函数    5.5.2 相对熵与判别熵    5.5.3 SIDASAM方法    5.5.4 实验结果分析  5.6 识别速度比较  5.7 小结第六章 基于奇异值分解和隐马尔可夫模型的虹膜识别方法  6.1 奇异值分解定理  6.2 奇异值向量作为观察向量的优点  6.3 虹膜奇异值特征向量提取  6.4 奇异值观察向量数值化  6.5 隐马尔可夫模型的发展概况  6.6 隐马尔可夫模型理论基础    6.6.1 隐马尔可夫模型的定义    6.6.2 隐马尔可夫模型的三个基本问题    6.6.3 隐马尔可夫模型的算法  6.7 基于HMM的虹膜图像识别系统    6.7.1 HMM模型评价    6.7.2 HMM模型训练    6.7.3 基于多观测值序列的模型参数重估算法  6.8 模型参数的选择及初始化    6.8.1 隐马尔可夫模型的类型    6.8.2 隐马尔可夫的拓扑结构    6.8.3 隐马尔可夫模型参数的确定    6.8.4 隐马尔可夫模型参数的初始化  6.9 基于隐马尔可夫模型的识别决策方法  6.10 实验结果第七章 复合生物特征识别技术  7.1 概述  7.2 复合生物特征识别技术的研宄概况    7.2.1 国外复合生物特征识别技术研究状况    7.2.2 国内复合生物特征识别技术研究状况  7.3 复合生物特征识别技术的算法介绍    7.3.1 复合生物特征识别技术    7.3.2 数据融合算法  7.4 人脸与虹膜识别    7.4.1 人脸识别    7.4.2 人脸检测与定位    7.4.3 人脸特征提取  7.5 人脸和虹膜特征融合系统  7.6 Fisher判别和多数投票法融合    7.6.1 Fisher判别    7.6.2 多数投票法确定Fisher判别结果  7.7 融合算法实验  7.8 实验结果分析  7.9 小结参考文献