| 第一章 绪论 | 第13-36页 |
| 1.1 生物识别技术概述 | 第13-17页 |
| 1.1.1 生物识别和生物识别系统 | 第13-14页 |
| 1.1.2 生物识别技术的发展历史及分类 | 第14-16页 |
| 1.1.3 生物识别技术的优势和发展前景 | 第16-17页 |
| 1.2 课题研究的目的和意义 | 第17-18页 |
| 1.2.1 课题来源 | 第17页 |
| 1.2.2 立论依据 | 第17-18页 |
| 1.2.3 研究范围 | 第18页 |
| 1.2.4 目的与意义 | 第18页 |
| 1.3 国内外研究概况分析 | 第18-33页 |
| 1.3.1 指纹识别研究概况 | 第18-26页 |
| 1.3.2 虹膜识别研究概况 | 第26-31页 |
| 1.3.3 研究领域内存在的问题 | 第31-33页 |
| 1.4 课题研究的核心内容及关键问题 | 第33-35页 |
| 1.4.1 本课题要达到的研究目标 | 第33页 |
| 1.4.2 本课题的核心内容和关键问题 | 第33-34页 |
| 1.4.3 本课题的技术路线 | 第34-35页 |
| 1.5 论文结构与内容 | 第35-36页 |
| 第二章 信息采集与预处理 | 第36-72页 |
| 2.1 指纹和虹膜的生物特征的表现形式 | 第36-40页 |
| 2.1.1 指纹的生物特征表现形式 | 第36-39页 |
| 2.1.2 虹膜的生物特征表现形式 | 第39-40页 |
| 2.2 用于识别的指纹和虹膜图像的要求 | 第40-41页 |
| 2.2.1 对指纹图像的要求 | 第40-41页 |
| 2.2.2 对虹膜图像的要求 | 第41页 |
| 2.3 指纹图像增强处理 | 第41-61页 |
| 2.3.1 图像增强概述 | 第41-43页 |
| 2.3.2 指纹图像增强算法分析 | 第43页 |
| 2.3.3 用于指纹增强算法的方向信息提取方法 | 第43-45页 |
| 2.3.4 指纹的二值化处理 | 第45-49页 |
| 2.3.5 指纹图像细化及其后处理 | 第49-55页 |
| 2.3.6 基于Gabor滤波器的增强方法 | 第55-57页 |
| 2.3.7 实验数据分析与结论 | 第57-61页 |
| 2.4 虹膜图像提取 | 第61-71页 |
| 2.4.1 虹膜的内缘提取算法 | 第62-66页 |
| 2.4.1.1 虹膜中心的粗定位 | 第62-63页 |
| 2.4.1.2 虹膜内边缘定位 | 第63-66页 |
| 2.4.1.2.1 Canny边缘检测 | 第63-65页 |
| 2.4.1.2.2 基于Hough变换提取虹膜中心及其内圆半径 | 第65-66页 |
| 2.4.2 外缘检测算法 | 第66-69页 |
| 2.4.2.1 梯度累加值比对寻找虹膜外圆半径 | 第66-67页 |
| 2.4.2.2 基于外边缘非定位的虹膜纹理表示 | 第67-69页 |
| 2.4.3 归一化处理 | 第69-71页 |
| 2.5 本章小结 | 第71-72页 |
| 第三章 基于CORE与DELTA的指纹分类算法研究 | 第72-83页 |
| 3.1 引言 | 第72页 |
| 3.2 分类 | 第72-77页 |
| 3.2.1 Core、Delta模型传统定义 | 第72-73页 |
| 3.2.2 Core、Delta模型新定义 | 第73-75页 |
| 3.2.3 Core, Delta模型新定义分析 | 第75-77页 |
| 3.3 实验结果 | 第77-82页 |
| 3.4 本章小结 | 第82-83页 |
| 第四章 基于几何结构特性的指纹匹配 | 第83-104页 |
| 4.1 指纹匹配基本原理 | 第83-84页 |
| 4.2 基于曲线结构和三角法的指纹匹配方法 | 第84-87页 |
| 4.2.1 引言 | 第84-85页 |
| 4.2.2 定义及引理 | 第85-86页 |
| 4.2.3 算法步骤 | 第86-87页 |
| 4.3 基于三次样条曲线的指纹匹配方法 | 第87-95页 |
| 4.3.1 曲线分析 | 第87-91页 |
| 4.3.2 算法描述 | 第91-95页 |
| 4.4 基于二维群集的点模式匹配算法 | 第95-99页 |
| 4.5 实验数据分析及结论 | 第99-103页 |
| 4.6 本章小节 | 第103-104页 |
| 第五章 虹膜纹理特征的提取方法 | 第104-119页 |
| 5.1 基于三层神经网络的方法 | 第104-105页 |
| 5.2 基于最小二乘原理的Gabor基算法 | 第105-107页 |
| 5.3 基于优化原理的gabor基算法 | 第107-109页 |
| 5.4 小波过零点算法 | 第109-114页 |
| 5.4.1 基本原理 | 第109-110页 |
| 5.4.2 基于过零点的图像重构 | 第110-114页 |
| 5.5 基于实数形式Gabor变换的虹膜识别方法 | 第114-118页 |
| 5.6 本章小节 | 第118-119页 |
| 第六章 虹膜匹配算法研究 | 第119-127页 |
| 6.1 基本原理 | 第119-120页 |
| 6.2 匹配算法研究 | 第120-123页 |
| 6.2.1 相异函数 | 第120-121页 |
| 6.2.2 有限变形相似度算法 | 第121-123页 |
| 6.2.3 能量结点因子相异函数 | 第123页 |
| 6.3 实验数据分析与结论 | 第123-126页 |
| 6.4 本章小节 | 第126-127页 |
| 第七章 指纹识别系统集成 | 第127-134页 |
| 7.1 指纹系统集成的基本概况 | 第127-129页 |
| 7.1.1 系统级设计 | 第127-128页 |
| 7.1.2 算法级设计 | 第128-129页 |
| 7.2 指纹采集产品的分析和比较 | 第129-131页 |
| 7.2.1 取像设备的原理和分类 | 第129页 |
| 7.2.2 目前的指纹采集设备 | 第129-130页 |
| 7.2.3 几种国内指纹采集产品的分析与比较 | 第130-131页 |
| 7.3 自动指纹识别系统集成 | 第131-133页 |
| 7.4 指纹识别系统的性能评价 | 第133页 |
| 7.5 本章小结 | 第133-134页 |
| 第八章 虹膜识别系统集成 | 第134-140页 |
| 8.1 虹膜识别系统集成基本概况 | 第134页 |
| 8.2 虹膜采集产品分析与比较 | 第134-135页 |
| 8.3 虹膜识别系统集成 | 第135-139页 |
| 8.3.1 系统硬件 | 第135-136页 |
| 8.3.2 基于人眼视觉特性的虹膜图像自动采集 | 第136-138页 |
| 8.8.3 识别软件 | 第138-139页 |
| 8.4 虹膜识别系统指标体系 | 第139页 |
| 8.5 本章小结 | 第139-140页 |
| 第九章 全文总结 | 第140-143页 |
| 9.1 论文的主要工作与结论 | 第140-141页 |
| 9.2 论文的创新点 | 第141页 |
| 9.3 进一步工作与展望 | 第141-143页 |
| 参考文献 | 第143-153页 |
| 作者在攻读博士学位期间的研究成果 | 第153-156页 |
| 致 谢 | 第156-157页 |
| 摘 要 | 第157-160页 |
| ABSTRACT | 第160页 |