小波变换在虹膜识别中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·研究背景、目的和意义 | 第9-10页 |
| ·虹膜识别的基本原理 | 第10-14页 |
| ·虹膜的物理结构 | 第11-12页 |
| ·虹膜的获取 | 第12页 |
| ·预处理 | 第12-13页 |
| ·特征提取 | 第13页 |
| ·虹膜图像匹配 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·国外研究情况 | 第14-16页 |
| ·国内研究情况 | 第16-17页 |
| ·虹膜识别的研究难点 | 第17-19页 |
| ·论文的主要研究内容及结构组织 | 第19-20页 |
| 第二章 小波变换的性质分析 | 第20-44页 |
| ·小波分析发展回顾与展望 | 第20-25页 |
| ·小波分析发展简史 | 第20-23页 |
| ·小波分析的应用发展现状与展望 | 第23-25页 |
| ·小波分析基础 | 第25-30页 |
| ·Fourier 变换与短时Fourier 变换 | 第25-28页 |
| ·什么是小波 | 第28-30页 |
| ·一维小波变换 | 第30-35页 |
| ·一维连续小波变化 | 第30-32页 |
| ·时—频局部化 | 第32-34页 |
| ·一维离散小波变化 | 第34-35页 |
| ·高维小波变换 | 第35-38页 |
| ·二维小波变换 | 第36页 |
| ·三维小波变换 | 第36-38页 |
| ·多分辨分析与Mallat 算法 | 第38-42页 |
| ·多分辨分析 | 第38-41页 |
| ·Mallat 算法 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 虹膜图像的预处理 | 第44-67页 |
| ·虹膜的表现形式 | 第44页 |
| ·虹膜图像提取 | 第44-47页 |
| ·内缘提取算法 | 第44-45页 |
| ·外边缘定位 | 第45-47页 |
| ·Canny 算法分析 | 第47-51页 |
| ·Canny 算法简介 | 第47页 |
| ·Canny 算法 | 第47-49页 |
| ·改进型Canny 算子 | 第49-51页 |
| ·Hough 算法分析 | 第51-59页 |
| ·Hough 算法简介 | 第51-52页 |
| ·直线Hough 变换 | 第52-54页 |
| ·圆Hough 变换 | 第54-55页 |
| ·圆Hough 算法的改进算法 | 第55-59页 |
| ·基于边缘提取算法的实现 | 第59-63页 |
| ·实现平台-MATLAB | 第59-60页 |
| ·Canny 算法的实现 | 第60-61页 |
| ·Hough 算法的实现 | 第61-62页 |
| ·虹膜定位的测试 | 第62-63页 |
| ·归一化和增强 | 第63-66页 |
| ·虹膜图像归一化 | 第64-65页 |
| ·虹膜图像增强 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第四章 小波变换在虹膜识别中的应用 | 第67-85页 |
| ·小波变换过零点提取虹膜特征 | 第67-69页 |
| ·选取母小波 | 第67-68页 |
| ·构建过零表达试 | 第68-69页 |
| ·树形小波变换虹膜特征提取 | 第69-74页 |
| ·树型小波变换原理 | 第69-72页 |
| ·虹膜图像树型小波变换特征 | 第72-74页 |
| ·二维小波变换提取虹膜特征 | 第74-80页 |
| ·虹膜图像的再分割 | 第74-75页 |
| ·小波函数选取 | 第75-77页 |
| ·特征值的提取 | 第77-80页 |
| ·模式匹配 | 第80-82页 |
| ·基本原理 | 第80-81页 |
| ·相似性测度 | 第81-82页 |
| ·实验与结果 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 第五章 结论 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-89页 |
| 硕士期间的主要工作 | 第89-91页 |
