| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-27页 |
| ·引言 | 第10页 |
| ·生物特征识别 | 第10-15页 |
| ·虹膜识别 | 第15-23页 |
| ·本论文的研究内容 | 第23-27页 |
| 2 小波变换的基本理论 | 第27-49页 |
| ·小波分析的发展历史 | 第27-28页 |
| ·小波变换定义及性质 | 第28-30页 |
| ·多分辨分析与MALLAT算法 | 第30-34页 |
| ·不可分小波 | 第34-48页 |
| ·本章小结 | 第48-49页 |
| 3 自适应的虹膜预处理方法 | 第49-77页 |
| ·自适应虹膜分割 | 第50-64页 |
| ·自适应的虹膜归一化 | 第64页 |
| ·眼睫毛和眼睑清除 | 第64-65页 |
| ·虹膜图像的增强 | 第65页 |
| ·虹膜图像库 | 第65-69页 |
| ·实验结果 | 第69-76页 |
| ·本章小结 | 第76-77页 |
| 4 传统的特征提取与匹配及旋转不变性分析 | 第77-87页 |
| ·引言 | 第77页 |
| ·传统的特征提取与匹配方法 | 第77-81页 |
| ·旋转不变性分析 | 第81-85页 |
| ·本章小结 | 第85-87页 |
| 5 基于广义高斯分布(GGD)的特征提取和匹配 | 第87-99页 |
| ·不可分小波滤波器 | 第87-89页 |
| ·广义高斯分布(GGD) | 第89-90页 |
| ·基于广义高斯分布的相似度度量方法 | 第90-91页 |
| ·特征提取和匹配 | 第91-92页 |
| ·传统KLD方法的不足 | 第92页 |
| ·旋转不变性的讨论 | 第92-93页 |
| ·实验 | 第93-97页 |
| ·本章小结 | 第97-99页 |
| 6 基于高斯马尔可夫随机场(GMRF)的特征提取和匹配 | 第99-115页 |
| ·空间滤波器 | 第99-101页 |
| ·高斯马尔可夫随机场(GMRF) | 第101-105页 |
| ·特征向量 | 第105-106页 |
| ·特征匹配 | 第106-108页 |
| ·实验 | 第108-114页 |
| ·本章小结 | 第114-115页 |
| 7 总结与展望 | 第115-118页 |
| ·总结 | 第115-116页 |
| ·展望 | 第116-118页 |
| 致谢 | 第118-119页 |
| 参考文献 | 第119-128页 |
| 符号对照表 | 第128-129页 |
| 附录 1 攻读学位期间发表的学术论文 | 第129-130页 |
| 附录 2 攻读博士期间参与的科研项目 | 第130页 |