| 第一章 绪论 | 第1-11页 |
| §1-1 课题研究背景及意义 | 第7-8页 |
| §1-2 虹膜识别技术的研究内容及应用现状 | 第8-9页 |
| §1-3 支持向量机的研究方法及研究现状 | 第9页 |
| §1-4 本文主要工作 | 第9-11页 |
| 第二章 虹膜定位算法研究 | 第11-22页 |
| §2-1 虹膜图像边缘提取 | 第11-15页 |
| 2-1-1 图像边缘基本类型介绍 | 第11-12页 |
| 2-1-2 常用的边缘检测方法 | 第12-14页 |
| 2-1-3 采用Canny算子提取虹膜边缘 | 第14-15页 |
| §2-2 采用Hough变换定位出虹膜内外边缘 | 第15-19页 |
| 2-2-1 分离瞳孔并估算出虹膜内半径 | 第16-17页 |
| 2-2-2 采用改进的Hough变换算法定位出虹膜内外边缘 | 第17-19页 |
| §2-3 虹膜图像的归一化 | 第19-21页 |
| §2-4 虹膜图像的增强 | 第21页 |
| §2-5 本章小节 | 第21-22页 |
| 第三章 虹膜图像的纹理特征提取 | 第22-28页 |
| §3-1 图像的特征 | 第22-23页 |
| 3-1-1 幅度特征 | 第22页 |
| 3-1-2 直方图特征 | 第22页 |
| 3-1-3 纹理特征 | 第22-23页 |
| §3-2 虹膜图像纹理特征分析简介 | 第23-24页 |
| 3-2-1 图像纹理特征分析简介 | 第23页 |
| 3-2-2 虹膜图像的纹理特征 | 第23-24页 |
| §3-3 利用多尺度Gabor小波变换提取虹膜纹理特征 | 第24-26页 |
| 3-3-1 Gabor小波函数 | 第24-25页 |
| 3-3-2 Gabor小波滤波器的设计 | 第25-26页 |
| 3-3-3 虹膜特征提取 | 第26页 |
| §3-4 与现有虹膜特征提取方法的比较 | 第26-27页 |
| §3-5 本章小节 | 第27-28页 |
| 第四章 虹膜识别系统分类器的设计 | 第28-30页 |
| §4-1 欧氏距离分类器的设计 | 第28页 |
| §4-2 虹膜识别的实验结果 | 第28-29页 |
| §4-3 虹膜识别系统小节 | 第29-30页 |
| 第五章 支持向量机算法研究与分类器的设计 | 第30-43页 |
| §5-1 基于统计学习理论的支持向量机算法研究背景 | 第30页 |
| §5-2 支持向量机分类算法研究 | 第30-36页 |
| 5-2-1 SVM的基本原理 | 第31-34页 |
| 5-2-2 SVM的训练算法介绍和比较 | 第34-36页 |
| §5-3 支持向量机SMO算法实现 | 第36-41页 |
| 5-3-1 SMO算法原理 | 第36页 |
| 5-3-2 两个Lagrange乘子的优化问题 | 第36-39页 |
| 5-3-3 选择待优化Lagrange乘子的试探找点法 | 第39页 |
| 5-3-4 每次最小优化后的重置工作 | 第39-40页 |
| 5-3-5 SMO算法的特点和优势 | 第40-41页 |
| §5-4 对SMO算法的改进 | 第41-42页 |
| §5-5 本章小节 | 第42-43页 |
| 第六章 工作总结及进一步工作 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 附录A | 第48-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间所取得的相关科研成果 | 第50页 |
