| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 生物特征识别研究及模块安全保护背景和意义 | 第10-15页 |
| 1.1.1 生物特征识别研究背景和意义 | 第10-13页 |
| 1.1.2 生物特征模块保护的研究背景和意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 虹膜识别技术发展及应用状况 | 第15-18页 |
| 1.2.2 虹膜信息特征模块安全保护发展及应用状况 | 第18-19页 |
| 1.3 本论文研究内容及方法 | 第19-21页 |
| 第二章 虹膜识别相关技术介绍 | 第21-34页 |
| 2.1 虹膜定位 | 第21-25页 |
| 2.1.1 Daugman 系统定位算法 | 第22-23页 |
| 2.1.2 Wildes 系统定位算法 | 第23-24页 |
| 2.1.3 Ma 系统定位算法 | 第24-25页 |
| 2.2 虹膜归一化和去噪 | 第25-26页 |
| 2.2.1 归一化 | 第25页 |
| 2.2.2 去睫毛和眼睑 | 第25-26页 |
| 2.3 虹膜增强 | 第26-27页 |
| 2.3.1 直方图均衡化 | 第26页 |
| 2.3.2 同态滤波器 | 第26-27页 |
| 2.4 虹膜特征提取 | 第27-31页 |
| 2.4.1 二维小波特征 | 第27-29页 |
| 2.4.2 二维 Gabor 特征 | 第29-30页 |
| 2.4.3 一维 Log Gabor 特征 | 第30-31页 |
| 2.5 虹膜编码 | 第31页 |
| 2.6 虹膜匹配 | 第31-32页 |
| 2.6.1 Hamming Distance | 第31-32页 |
| 2.6.2 Normalised Correlation | 第32页 |
| 2.6.3 Hausdorff Distance | 第32页 |
| 2.7 算法评价标准 | 第32-34页 |
| 2.7.1 算法评价标准 | 第32-34页 |
| 第三章 基于二维 Log Gabor 的虹膜识别 | 第34-44页 |
| 3.1 虹膜预处理 | 第34页 |
| 3.2 基于二维 Log Gabor 的特征提取 | 第34-37页 |
| 3.2.1 二维 Log Gabor | 第34-35页 |
| 3.2.2 滤波器设计 | 第35-37页 |
| 3.2.3 特征提取算法 | 第37页 |
| 3.3 特征编码 | 第37-38页 |
| 3.4 特征匹配 | 第38页 |
| 3.5 实验结果与分析 | 第38-43页 |
| 3.5.1 测试环境 | 第38-39页 |
| 3.5.2 虹膜定位 | 第39页 |
| 3.5.3 虹膜归一化及增强 | 第39-40页 |
| 3.5.4 虹膜特征提取 | 第40-42页 |
| 3.5.5 汉明距离和识别率 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于压缩感知的虹膜信息安全保护 | 第44-54页 |
| 4.1 基于稀疏的虹膜特征识别系统 | 第44-48页 |
| 4.1.1 基于稀疏的特征表示 | 第44-45页 |
| 4.1.2 虹膜稀疏重建 | 第45页 |
| 4.1.3 虹膜稀疏识别 | 第45-48页 |
| 4.2 虹膜特征模块保护原理 | 第48-49页 |
| 4.3 压缩重建算法的改进 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-53页 |
| 4.4.1 基于稀疏表示的虹膜识别实验结果 | 第50-52页 |
| 4.4.2 基于 OMP 改进算法的重建算法实验结果 | 第52页 |
| 4.4.3 基于压缩感知攻击方法的实验结果与分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |
