虹膜识别前处理算法的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究的背景和意义 | 第12-13页 |
| 1.2 虹膜识别技术概述 | 第13-16页 |
| 1.2.1 虹膜生理特征 | 第13-14页 |
| 1.2.2 虹膜识别的发展历程及现状 | 第14-15页 |
| 1.2.3 虹膜识别的关键问题 | 第15-16页 |
| 1.3 论文研究的内容及结构 | 第16-17页 |
| 第2章 虹膜识别系统概述 | 第17-29页 |
| 2.1 虹膜采集过程 | 第17-23页 |
| 2.1.1 现有的虹膜图像采集设备 | 第17-18页 |
| 2.1.2 实验室自主研发的虹膜图像采集设备 | 第18-20页 |
| 2.1.3 几种常用虹膜图像库 | 第20-23页 |
| 2.2 虹膜识别系统原理 | 第23-25页 |
| 2.3 虹膜识别相关技术指标 | 第25-27页 |
| 2.4 虹膜识别前处理算法的研究动态 | 第27-28页 |
| 2.4.1 质量评价 | 第27页 |
| 2.4.2 虹膜定位 | 第27-28页 |
| 2.5 本文的解决方案 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 虹膜图像质量评价 | 第29-48页 |
| 3.1 虹膜图像质量评价过程 | 第29-30页 |
| 3.2 虹膜活体检测 | 第30-31页 |
| 3.3 虹膜图像质量粗评估 | 第31-36页 |
| 3.3.1 闭眨眼程度检测 | 第31-33页 |
| 3.3.2 整体图像清晰度检测 | 第33-34页 |
| 3.3.3 虹膜偏移度检测 | 第34-36页 |
| 3.4 虹膜图像质量精评估 | 第36-43页 |
| 3.4.1 眼睑定位方法 | 第36-39页 |
| 3.4.2 虹膜可见度 | 第39-40页 |
| 3.4.3 眼球翻转度 | 第40-42页 |
| 3.4.4 有效区域清晰度 | 第42-43页 |
| 3.5 基于BP神经网络的虹膜图像质量评价 | 第43-47页 |
| 3.5.1 BP神经网络介绍 | 第43-46页 |
| 3.5.2 基于BP神经网络的多参数融合 | 第46页 |
| 3.5.3 构建合适的BP神经网络 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 虹膜定位方法 | 第48-58页 |
| 4.1 传统定位算法 | 第48-50页 |
| 4.1.1 Daugman经典定位算法 | 第48-49页 |
| 4.1.2 Wildes经典定位算法 | 第49-50页 |
| 4.1.3 谭铁牛最小二乘拟合定位算法 | 第50页 |
| 4.2 传统定位算法的比较与分析 | 第50-51页 |
| 4.3 本文的定位算法 | 第51-57页 |
| 4.3.1 内圆边界粗定位 | 第52-53页 |
| 4.3.2 内圆边界精定位 | 第53-55页 |
| 4.3.3 外圆边界粗定位 | 第55-56页 |
| 4.3.4 外圆边界精定位 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 实验设计与分析 | 第58-69页 |
| 5.1 归一化与图像增强 | 第58-59页 |
| 5.2 特征提取与比对 | 第59-61页 |
| 5.3 质量评价算法的实验设计与分析 | 第61-65页 |
| 5.3.1 实验虹膜库 | 第61页 |
| 5.3.2 基于精确度的质量评价方法实验 | 第61-62页 |
| 5.3.3 基于系统识别率的质量评价算法的实验 | 第62-65页 |
| 5.4 虹膜定位算法的实验设计与分析 | 第65-66页 |
| 5.4.1 实验虹膜库 | 第65页 |
| 5.4.2 实验过程与结果分析 | 第65-66页 |
| 5.5 虹膜识别前处理整体算法的实验 | 第66-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 工作总结与未来展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
