| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 虹膜识别 | 第9-12页 |
| 1.1.1 虹膜 | 第10-11页 |
| 1.1.2 虹膜识别的历史和现状 | 第11-12页 |
| 1.2 虹膜识别技术应用 | 第12页 |
| 1.3 本文使用的数据库 | 第12-13页 |
| 1.4 本文的工作 | 第13-15页 |
| 第2章 虹膜识别系统介绍 | 第15-38页 |
| 2.1 虹膜图像采集 | 第16-19页 |
| 2.2 虹膜图像质量检测 | 第19页 |
| 2.3 虹膜图像预处理 | 第19-27页 |
| 2.3.1 光斑检测 | 第20-23页 |
| 2.3.2 眼睫毛检测 | 第23-26页 |
| 2.3.3 虹膜边界定位 | 第26页 |
| 2.3.4 上下眼睑检测 | 第26-27页 |
| 2.4 虹膜定位的主要算法 | 第27-35页 |
| 2.4.1 John Daugman的微积分算子定位算法 | 第27-28页 |
| 2.4.2 Hough变换 | 第28-32页 |
| 2.4.3 主动轮廓线 | 第32-35页 |
| 2.5 虹膜图像归一化展开 | 第35-36页 |
| 2.6 虹膜特征提取和匹配 | 第36-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第3章 虹膜定位的加速算法 | 第38-53页 |
| 3.1 光斑确定虹膜区域的算法 | 第38-43页 |
| 3.1.1 光斑确定虹膜有效区域的算法 | 第39-42页 |
| 3.1.2 光斑确定有虹膜有效区域算法实验结果 | 第42-43页 |
| 3.1.3 实验结果对比分析 | 第43页 |
| 3.2 虹膜定位的四象限算法 | 第43-52页 |
| 3.2.1 四象限算法 | 第43-50页 |
| 3.2.2 四象限算法实验结果 | 第50-51页 |
| 3.2.3 四象限算法实验结果对比分析 | 第51-52页 |
| 3.3 本章小结 | 第52-53页 |
| 第4章 去除噪声的聚类算法 | 第53-56页 |
| 4.1 聚类算法 | 第53页 |
| 4.2 聚类算法在眼睫毛检测中去除噪声点 | 第53-55页 |
| 4.3 聚类算法在虹膜边界定位中去除噪声点 | 第55页 |
| 4.4 本章总结 | 第55-56页 |
| 第5章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |