| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 虹膜识别系统简介 | 第11-14页 |
| 1.1.1 虹膜预处理 | 第11-13页 |
| 1.1.2 归一化 | 第13页 |
| 1.1.3 虹膜特征提取与比对 | 第13-14页 |
| 1.1.4 虹膜识别研究现状 | 第14页 |
| 1.2 本文使用的数据库 | 第14-16页 |
| 1.3 本文的工作 | 第16-17页 |
| 第2章 图像质量评估算法综述 | 第17-21页 |
| 2.1 自然图像质量评估 | 第17-19页 |
| 2.1.1 有参考质量评估 | 第17-18页 |
| 2.1.2 无参考质量评估 | 第18-19页 |
| 2.2 虹膜识别中的图像质量评估 | 第19页 |
| 2.3 小结 | 第19-21页 |
| 第3章 虹膜检测与瞳孔粗定位 | 第21-31页 |
| 3.1 基于AdaBoost的虹膜检测 | 第21-24页 |
| 3.1.1 矩形特征 | 第21-22页 |
| 3.1.2 AdaBoost算法原理 | 第22-23页 |
| 3.1.3 分类器 | 第23-24页 |
| 3.1.4 基于AdaBoost的虹膜检测与粗定位 | 第24页 |
| 3.2 基于径向对称变换的虹膜检测 | 第24-30页 |
| 3.2.1 对比度增强 | 第24-26页 |
| 3.2.2 径向对称变换原理 | 第26-28页 |
| 3.2.3 虹膜检测与瞳孔粗定位 | 第28-29页 |
| 3.2.4 非虹膜和严重遮挡虹膜图像判断 | 第29-30页 |
| 3.3 小结 | 第30-31页 |
| 第4章 无参考虹膜图像质量判定 | 第31-53页 |
| 4.1 虹膜区域块的选取 | 第31-33页 |
| 4.2 基于结构相似度的虹膜模糊评估 | 第33-35页 |
| 4.3 空间域中的统计特性 | 第35-38页 |
| 4.4 特征提取 | 第38-46页 |
| 4.4.1 广义高斯函数 | 第38-39页 |
| 4.4.2 GGD参数估计 | 第39-41页 |
| 4.4.3 非对称广义高斯函数 | 第41-43页 |
| 4.4.4 AGGD参数估计 | 第43-46页 |
| 4.5 基于SVM的虹膜模糊评估算法 | 第46-50页 |
| 4.5.1 支持向量分类机 | 第46-47页 |
| 4.5.2 学习策略 | 第47-48页 |
| 4.5.3 非线性SVM与核函数 | 第48-49页 |
| 4.5.4 基于SVM的虹膜模糊评估 | 第49-50页 |
| 4.6 实验结果与分析 | 第50-52页 |
| 4.6.1 训练样本 | 第50页 |
| 4.6.2 测试结果与分析 | 第50-52页 |
| 4.7 小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 进一步工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |