基于分形理论的虹膜识别算法研究
| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-17页 |
| ·生物特征识别技术 | 第8-9页 |
| ·虹膜识别的生理基础 | 第9-11页 |
| ·虹膜的结构 | 第9-11页 |
| ·虹膜用于身份认证的可靠性 | 第11页 |
| ·虹膜识别系统原理 | 第11-12页 |
| ·虹膜识别研究现状 | 第12-15页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-15页 |
| ·本文使用的虹膜图像数据库 | 第15页 |
| ·本文的结构 | 第15-17页 |
| 第二章 虹膜图像的预处理 | 第17-29页 |
| ·经典的虹膜定位算法 | 第17-19页 |
| ·Daugman 的虹膜定位算法 | 第17-18页 |
| ·Wildes 的虹膜定位算法 | 第18-19页 |
| ·本文提出的虹膜定位算法 | 第19-25页 |
| ·瞳孔粗定位 | 第20-22页 |
| ·内圆定位 | 第22-23页 |
| ·外圆定位 | 第23-25页 |
| ·实验结果 | 第25-26页 |
| ·归一化 | 第26-28页 |
| ·图像增强 | 第28-29页 |
| 第三章 分形理论 | 第29-41页 |
| ·分形 | 第29-32页 |
| ·分形维数 | 第32-36页 |
| ·Lebesgue 测度 | 第33-34页 |
| ·Hausdorff 测度 | 第34-35页 |
| ·Hausdorff 维数 | 第35-36页 |
| ·图像的分形维数 | 第36-41页 |
| ·频谱维数 | 第37-38页 |
| ·毯子维数 | 第38-39页 |
| ·差分盒维数 | 第39-41页 |
| 第四章 特征提取和匹配 | 第41-51页 |
| ·虹膜图像的纹理分析和分区 | 第41-43页 |
| ·两种基于分形维数的特征提取方法 | 第43-44页 |
| ·基于变化分数维的特征提取 | 第43-44页 |
| ·基于极值加权平均分数维的特征提取 | 第44页 |
| ·本文提出的特征提取方法 | 第44-47页 |
| ·分类器设计 | 第47-48页 |
| ·基于Manhattan 距离的分类器 | 第47页 |
| ·本文提出的分类器 | 第47-48页 |
| ·实验结果 | 第48-51页 |
| 第五章 虹膜识别系统 | 第51-55页 |
| ·登录模块 | 第51页 |
| ·注册模块 | 第51-52页 |
| ·检索模块 | 第52-53页 |
| ·门禁模块 | 第53-54页 |
| ·管理模块 | 第54-55页 |
| 第六章 总结和展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 摘要 | 第60-63页 |
| Abstract | 第63-67页 |
| 致谢 | 第67-68页 |
| 导师及作者简介 | 第68页 |
