| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.2 人体眼球组织结构分析 | 第10-11页 |
| 1.3 研究现状与不足 | 第11-15页 |
| 1.3.1 Daugman的微积分算法 | 第12页 |
| 1.3.2 Wildes的Hough圆法 | 第12-13页 |
| 1.3.3 基于Active Contour的定位方法 | 第13-14页 |
| 1.3.4 局部阈值分割方法 | 第14页 |
| 1.3.5 优缺点分析 | 第14-15页 |
| 1.4 本文所做研究简介 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第二章 眼球图像的采集 | 第18-23页 |
| 2.1 整套采集设备 | 第18-21页 |
| 2.1.1 整套装置的性能和功能介绍 | 第18-20页 |
| 2.1.2 设备装置的具体操作 | 第20-21页 |
| 2.2 采集的数据及相关应用 | 第21-22页 |
| 2.2.1 视频图像采集相关的参数及特征介绍 | 第21页 |
| 2.2.2 应用 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 瞳孔中心定位算法的实现 | 第23-39页 |
| 3.1 获取图像 | 第23-24页 |
| 3.2 感兴趣区域提取 | 第24-29页 |
| 3.3 反光点的检测和填充 | 第29-33页 |
| 3.3.1 反光点区域的检测 | 第29-31页 |
| 3.3.2 反光点区域的填充 | 第31-33页 |
| 3.4 采用星射线模型检测瞳孔边缘特征点 | 第33-35页 |
| 3.5 基于高密度连通区域的特征点聚类 | 第35-37页 |
| 3.6 采用随机抽样一致性算法进行瞳孔边缘的椭圆拟合 | 第37-38页 |
| 3.7 小结 | 第38-39页 |
| 第四章 实验结果分析与应用 | 第39-46页 |
| 4.1 最优分类器构造实验及结果分析 | 第39-42页 |
| 4.2 实验统计结果对比 | 第42-44页 |
| 4.3 实验应用—眼震曲线 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 本文所研究工作介绍 | 第46-47页 |
| 5.2 未来工作的研究 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |