基于数学形态学和粗集的虹膜识别研究
| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第1章 绪论 | 第14-20页 |
| ·人体生物特征识别 | 第14-15页 |
| ·虹膜识别的研究意义 | 第15-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·虹膜识别的应用 | 第18页 |
| ·课题来源及本文内容安排 | 第18-20页 |
| 第2章 虹膜识别的基本理论 | 第20-24页 |
| ·虹膜的生理结构 | 第20-22页 |
| ·虹膜识别的系统组成 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 虹膜识别的预处理 | 第24-36页 |
| ·常见定位方法的简介 | 第24-28页 |
| ·Daugman系统中的虹膜定位算法 | 第24页 |
| ·Wildes系统中的虹膜定位 | 第24-25页 |
| ·基于Canny算子和最小二乘法的两步定位 | 第25-26页 |
| ·基于几何原理的虹膜定位 | 第26-27页 |
| ·基于水平集方法的定位 | 第27-28页 |
| ·本文所用的虹膜定位方法 | 第28-34页 |
| ·内边界的定位 | 第28-31页 |
| ·外边界的定位 | 第31-34页 |
| ·仿真实验研究 | 第34页 |
| ·图像归一化 | 第34-35页 |
| ·图像的增强 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于数学形态学的噪声处理 | 第36-46页 |
| ·数学形态学基础 | 第36-40页 |
| ·数学形态学的形成简介 | 第36-37页 |
| ·几个关于集合论的概念 | 第37-39页 |
| ·形态学中的基本运算 | 第39-40页 |
| ·形态学在虹膜处理中的应用 | 第40-45页 |
| ·利用内部移除获取边界图像 | 第41页 |
| ·利用填充孔洞的方法去除光斑 | 第41-43页 |
| ·利用膨胀将睫毛淡化 | 第43-44页 |
| ·降低眼睑的影响 | 第44-45页 |
| ·利用顶帽-底帽变换进行图像的增强 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于分水岭算法的信息提取和编码 | 第46-54页 |
| ·分水岭分割的基本概念 | 第46-47页 |
| ·分水岭算法描述 | 第47-49页 |
| ·标记的应用 | 第49-50页 |
| ·基于边界描绘算子的属性提取 | 第50-51页 |
| ·图像的编码 | 第51-53页 |
| ·常用的虹膜图像编码技术 | 第51-52页 |
| ·本文使用的编码方法 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 基于粗集的虹膜匹配算法研究 | 第54-64页 |
| ·粗糙集理论的基本概念 | 第54-59页 |
| ·粗集的概述 | 第54-55页 |
| ·粗集中的基本概念 | 第55-57页 |
| ·知识的表达 | 第57-59页 |
| ·决策支持系统 | 第59页 |
| ·粗糙集在特征匹配中的应用 | 第59-62页 |
| ·传统的特征匹配方法 | 第59-60页 |
| ·本文所用的匹配方法 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第7章 仿真实验与总结展望 | 第64-70页 |
| ·算法的仿真实验 | 第64-67页 |
| ·工作总结 | 第67-68页 |
| ·研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 作者攻读硕士学位期间发表的论文 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |
