虹膜识别预处理算法研究
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 缩略语 | 第14-15页 |
| 第一章 绪论 | 第15-22页 |
| ·课题研究背景和意义 | 第15-16页 |
| ·生物特征识别概述 | 第16-17页 |
| ·虹膜识别技术的优势 | 第17-18页 |
| ·虹膜识别的研究发展和应用现状 | 第18-19页 |
| ·虹膜识别的国内外发展史 | 第18-19页 |
| ·虹膜识别技术的应用现状 | 第19页 |
| ·本文的主要内容 | 第19-22页 |
| 第二章 虹膜识别技术概述 | 第22-36页 |
| ·引言 | 第22页 |
| ·虹膜的生理结构 | 第22-23页 |
| ·虹膜识别系统的基本结构 | 第23页 |
| ·现有的虹膜识别系统 | 第23-32页 |
| ·Daugman的虹膜识别系统 | 第24-29页 |
| ·Wildes的虹膜识别系统 | 第29-31页 |
| ·其他的虹膜识别算法 | 第31-32页 |
| ·虹膜识别预处理中存在的问题 | 第32-34页 |
| ·小结 | 第34-36页 |
| 第三章 虹膜图像预处理中眼睑检测 | 第36-47页 |
| ·引言 | 第36页 |
| ·现有的眼睑检测算法 | 第36-42页 |
| ·Daugman的眼睑检测算法 | 第36-37页 |
| ·Wildes的眼睑检测算法 | 第37-38页 |
| ·Radon变换法 | 第38-39页 |
| ·最短路径检测法 | 第39页 |
| ·基于灰度形态学的眼睑检测算法 | 第39-40页 |
| ·其他的眼险检测算法 | 第40-42页 |
| ·本文的眼睑检测算法 | 第42-46页 |
| ·Wildes眼睑检测算法的改进 | 第42-44页 |
| ·分段进行的眼睑边缘检测 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第四章 虹膜图像预处理中的睫毛检测 | 第47-68页 |
| ·引言 | 第47页 |
| ·已有的睫毛检测算法 | 第47-53页 |
| ·阈值检测法 | 第47-48页 |
| ·基于Gabor滤波器和灰度方差的睫毛检测算法 | 第48-50页 |
| ·基于聚焦估计的睫毛检测算法 | 第50-51页 |
| ·睫毛消除算法 | 第51-53页 |
| ·最大值滤波器和睫毛特点分析 | 第53-55页 |
| ·最大值滤波器 | 第53-54页 |
| ·虹膜图像中睫毛分布的特点分析 | 第54-55页 |
| ·最大值滤波器在睫毛检测中的应用分析 | 第55页 |
| ·基于最大值滤波器的睫毛检测算法 | 第55-60页 |
| ·自适应最大值滤波 | 第55-57页 |
| ·动态阈值判断 | 第57-58页 |
| ·连通机制 | 第58-60页 |
| ·仿真实验与结果分析 | 第60-64页 |
| ·仿真实验流程设计 | 第60-61页 |
| ·仿真实验结果 | 第61-63页 |
| ·实验结果分析 | 第63-64页 |
| ·眼睑和睫毛检测指导下的虹膜定位 | 第64-66页 |
| ·小结 | 第66-68页 |
| 第五章 总结展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间研究成果 | 第76-77页 |
| 学位论文评阅及答辩情况表 | 第77页 |
