基于小波变换的虹膜识别算法研究
| 摘 要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·生物识别概述 | 第9-14页 |
| ·什么是生物识别 | 第9页 |
| ·生物识别的发展及现状 | 第9-10页 |
| ·几种主要的生物识别技术 | 第10-14页 |
| ·指纹 | 第10-11页 |
| ·掌纹 | 第11页 |
| ·面部 | 第11-12页 |
| ·语音 | 第12页 |
| ·签名 | 第12-13页 |
| ·DNA | 第13页 |
| ·眼睛 | 第13-14页 |
| ·其它 | 第14页 |
| ·虹膜的生理构造 | 第14-15页 |
| ·虹膜识别的优势 | 第15-16页 |
| ·虹膜识别的发展历史及现状 | 第16-17页 |
| ·本课题的主要研究意义和内容 | 第17-19页 |
| 第二章 虹膜识别的原理介绍 | 第19-29页 |
| ·模式识别的概念 | 第19页 |
| ·虹膜识别过程 | 第19-27页 |
| ·图像获取 | 第20页 |
| ·图像预处理 | 第20-23页 |
| ·虹膜定位 | 第21-22页 |
| ·归一化 | 第22页 |
| ·图像增强 | 第22-23页 |
| ·特征提取 | 第23-27页 |
| ·Daugman 算法 | 第23-25页 |
| ·Wildes 算法 | 第25-26页 |
| ·Boles 算法 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 虹膜图像的预处理 | 第29-43页 |
| ·虹膜定位 | 第29-37页 |
| ·瞳孔定位 | 第30-33页 |
| ·数字图像中非整型坐标求像素值 | 第31-32页 |
| ·瞳孔定位算法 | 第32-33页 |
| ·外边缘定位 | 第33-35页 |
| ·外边缘提取 | 第33页 |
| ·外边缘定位算法 | 第33-35页 |
| ·定位算法结论 | 第35-37页 |
| ·速度提高方面 | 第35-36页 |
| ·解决外边缘模糊问题 | 第36页 |
| ·图像噪声方面 | 第36-37页 |
| ·归一化 | 第37-40页 |
| ·图像增强 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 纹理特征提取及匹配 | 第43-61页 |
| ·纹理描述方法 | 第43-46页 |
| ·统计法 | 第43页 |
| ·结构法 | 第43-44页 |
| ·频谱法 | 第44页 |
| ·相位相关性匹配算法 | 第44-46页 |
| ·小波在信号奇异性检测中的应用 | 第46-52页 |
| ·小波简介 | 第47-48页 |
| ·小波变换 | 第48-49页 |
| ·利用小波变换检测信号奇异点 | 第49-52页 |
| ·本文研究的识别算法 | 第52-59页 |
| ·信号提取 | 第52-53页 |
| ·相似性匹配 | 第53-54页 |
| ·匹配测试 | 第54-55页 |
| ·两个方向特征信号提取 | 第55-56页 |
| ·提取延圆弧方向优势的特征信号 | 第55-56页 |
| ·提取延半径方向优势的特征信号 | 第56页 |
| ·虹膜特征信号 | 第56页 |
| ·基于小波变换的特征编码 | 第56-57页 |
| ·特征编码的相似性匹配 | 第57页 |
| ·算法性能测试 | 第57-59页 |
| ·算法结论 | 第59-61页 |
| 第五章 结论和展望 | 第61-63页 |
| ·本论文研究总结 | 第61-62页 |
| ·前景展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 个人简介及攻硕期间取得的研究成果 | 第66页 |
