基于嵌入式的虹膜认证技术的研究与实现
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 生物特征识别技术 | 第10-13页 |
| 1.2.1 典型的生物特征 | 第10-11页 |
| 1.2.2 虹膜的生理结构 | 第11-12页 |
| 1.2.3 虹膜识别的优势 | 第12-13页 |
| 1.3 虹膜识别技术的研究现状 | 第13-16页 |
| 1.3.1 虹膜识别技术的国内外研究现状 | 第13-15页 |
| 1.3.2 虹膜识别的关键技术 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16-17页 |
| 第2章 嵌入式虹膜认证系统设计方案 | 第17-30页 |
| 2.1 系统设计目标与需求分析 | 第17页 |
| 2.2 嵌入式系统 | 第17-19页 |
| 2.2.1 嵌入式系统平台 | 第17-18页 |
| 2.2.2 嵌入式操作系统 | 第18-19页 |
| 2.2.3 Linux操作系统 | 第19页 |
| 2.3 系统的设计方案 | 第19-23页 |
| 2.3.1 系统的整体硬件架构 | 第19-20页 |
| 2.3.2 图像采集模块 | 第20-22页 |
| 2.3.3 摄像头接口模块 | 第22-23页 |
| 2.4 软件环境的搭建 | 第23-26页 |
| 2.4.1 Linux系统的安装 | 第23页 |
| 2.4.2 摄像头的调试 | 第23-25页 |
| 2.4.3 编译环境的搭建 | 第25-26页 |
| 2.5 虹膜识别系统的基本流程 | 第26-29页 |
| 2.5.1 虹膜图像采集 | 第26-27页 |
| 2.5.2 虹膜边界定位 | 第27页 |
| 2.5.3 虹膜图像归一化 | 第27-28页 |
| 2.5.4 虹膜特征提取 | 第28页 |
| 2.5.5 虹膜特征匹配 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 虹膜图像处理 | 第30-42页 |
| 3.1 虹膜图像的预处理 | 第30-33页 |
| 3.1.1 平滑处理 | 第30-32页 |
| 3.1.2 边缘提取 | 第32-33页 |
| 3.2 虹膜边界定位 | 第33-36页 |
| 3.2.1 边缘梯度二值化 | 第33-34页 |
| 3.2.2 基于投票机制的虹膜边界定位算法 | 第34-36页 |
| 3.3 虹膜图像的归一化 | 第36-39页 |
| 3.4 虹膜数据库的管理 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 嵌入式虹膜特征识别技术 | 第42-54页 |
| 4.1 虹膜特征提取 | 第42-46页 |
| 4.1.1 虹膜特征的不稳定性 | 第42-43页 |
| 4.1.2 基于二维Gabor滤波的特征提取算法 | 第43-46页 |
| 4.2 虹膜特征匹配 | 第46-49页 |
| 4.2.1 汉明距离计算 | 第46-48页 |
| 4.2.2 旋转虹膜的自动移位配准 | 第48-49页 |
| 4.2.3 虹膜识别的决策 | 第49页 |
| 4.3 抵御攻击的认证模式 | 第49-53页 |
| 4.3.1 消息鉴别系统 | 第49-50页 |
| 4.3.2 基于Hash函数的鉴别码生成 | 第50页 |
| 4.3.3 素数的生成和检测 | 第50-52页 |
| 4.3.4 双因子的认证模式 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 系统测试与结果分析 | 第54-62页 |
| 5.1 虹膜识别算法流程 | 第54页 |
| 5.2 虹膜识别实验结果分析 | 第54-59页 |
| 5.2.1 虹膜图像处理结果 | 第55-56页 |
| 5.2.2 虹膜的特征匹配 | 第56-59页 |
| 5.2.3 认证的安全性分析 | 第59页 |
| 5.3 系统性能分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间参加的科研项目 | 第71页 |
