| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 传统身份识别的缺陷 | 第10页 |
| 1.1.2 生物特征识别优势 | 第10-11页 |
| 1.1.3 典型的生物特征 | 第11-12页 |
| 1.1.4 虹膜生物特征的优势 | 第12-13页 |
| 1.2 虹膜的生理特征 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 虹膜识别基本框架 | 第20-29页 |
| 2.1 图像预处理阶段 | 第21-24页 |
| 2.2 特征提取阶段 | 第24-25页 |
| 2.3 匹配阶段 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 虹膜定位及预处理 | 第29-50页 |
| 3.1 虹膜定位相关技术和算法 | 第29-32页 |
| 3.1.1 圆霍夫变换 | 第29-30页 |
| 3.1.2 最大差分积分算子 | 第30页 |
| 3.1.3 Ibrahim 的虹膜定位算法 | 第30-31页 |
| 3.1.4 Jan 的虹膜定位算法 | 第31-32页 |
| 3.2 约束环境下人眼图像的虹膜定位算法 | 第32-38页 |
| 3.2.1 瞳孔区域预处理及粗定位 | 第33-34页 |
| 3.2.2 瞳孔的细定位及边缘提取 | 第34-35页 |
| 3.2.3 虹膜边缘定位及提取 | 第35-36页 |
| 3.2.4 实验结果 | 第36-38页 |
| 3.3 非约束环境下人眼图像的虹膜定位算法 | 第38-49页 |
| 3.3.1 虹膜图像预处理 | 第40-41页 |
| 3.3.2 瞳孔区域定位及边缘提取 | 第41-44页 |
| 3.3.3 虹膜定位及边缘提取 | 第44-47页 |
| 3.3.4 实验结果 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 虹膜特征提取与匹配 | 第50-65页 |
| 4.1 虹膜特征提取流程 | 第52-53页 |
| 4.2 基于粒子群优化算法的 Gabor 滤波器设计 | 第53-56页 |
| 4.2.1 Gabor 滤波器 | 第53-54页 |
| 4.2.2 利用粒子群优化算法对 Gabor 滤波器进行参数优化 | 第54-56页 |
| 4.3 PCET 特征提取与特征选择 | 第56-58页 |
| 4.3.1 极坐标谐波变换（PHT） | 第56页 |
| 4.3.2 极复指数变换（PCET）几何矩的旋转不变性 | 第56页 |
| 4.3.3 PCET 几何矩选择 | 第56-58页 |
| 4.4 实验结果与分析 | 第58-63页 |
| 4.4.1 利用粒子群算法对二维 Gabor 滤波器参数进行优化的实验 | 第58-60页 |
| 4.4.2 确定 PCET 几何矩阶数 n 和重复数 l 范围 k 的实验 | 第60-61页 |
| 4.4.3 对 PCET 几何矩进行特征选择的实验 | 第61-62页 |
| 4.4.4 虹膜识别实验结果 | 第62-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
