| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9页 |
| 1.2 生物特征识别技术简介 | 第9-11页 |
| 1.3 虹膜的生理特征 | 第11-12页 |
| 1.4 本论文的主要研究工作 | 第12-13页 |
| 1.5 本论文的章节安排 | 第13-15页 |
| 2 虹膜识别系统概述 | 第15-25页 |
| 2.1 虹膜识别技术 | 第15页 |
| 2.2 虹膜识别系统的基本结构 | 第15-16页 |
| 2.2.1 虹膜图像的采集 | 第15-16页 |
| 2.2.2 虹膜图像的质量评价 | 第16页 |
| 2.3 虹膜图像数据库简介 | 第16-20页 |
| 2.3.1 CASIA虹膜图像数据库 | 第16-18页 |
| 2.3.2 MMU虹膜图像数据库 | 第18-19页 |
| 2.3.3 UBIRS虹膜图像数据库 | 第19页 |
| 2.3.4 其他虹膜图像数据库 | 第19-20页 |
| 2.4 虹膜识别系统的性能评价指标 | 第20-22页 |
| 2.5 虹膜识别系统的关键技术 | 第22-24页 |
| 2.5.1 虹膜图像的定位分割与归一化 | 第22-23页 |
| 2.5.2 特征提取及编码 | 第23页 |
| 2.5.3 虹膜特征匹配及识别 | 第23-24页 |
| 2.6 小结 | 第24-25页 |
| 3 虹膜图像的定位分割算法 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 现有的虹膜定位算法及其不足 | 第25-27页 |
| 3.2.1 Daugman的虹膜定位算法 | 第25-26页 |
| 3.2.2 Wildes的虹膜定位算法 | 第26页 |
| 3.2.3 王蕴红和谭铁牛等的虹膜定位算法 | 第26-27页 |
| 3.2.4 其它的虹膜定位算法 | 第27页 |
| 3.3 论文采用基于提取感兴趣区域的虹膜定位算法 | 第27-32页 |
| 3.3.1 瞳孔分离 | 第28-31页 |
| 3.3.2 瞳孔边缘精定位 | 第31-32页 |
| 3.4 虹膜图像外边缘定位 | 第32-33页 |
| 3.5 分割眼睑 | 第33-36页 |
| 3.6 小结 | 第36-39页 |
| 4 虹膜图像归一化与特征提取 | 第39-53页 |
| 4.1 虹膜图像归一化方法 | 第39-42页 |
| 4.1.1 橡皮圈弹性模型 | 第39-40页 |
| 4.1.2 双线性插值 | 第40-42页 |
| 4.2 归一化虹膜图像的增强 | 第42-44页 |
| 4.3 现有的特征提取方法 | 第44-46页 |
| 4.3.1 基于相位信息进行分析的方法 | 第44页 |
| 4.3.2 基于图像纹理信息分析的方法 | 第44-45页 |
| 4.3.3 基于小波过零点检测的分析方法 | 第45页 |
| 4.3.4 基于相关滤波器方法 | 第45页 |
| 4.3.5 基于多类特征进行融合分析的方法 | 第45-46页 |
| 4.4 本文采用的特征提取方法 | 第46-51页 |
| 4.4.1 LBP算子概述 | 第46-49页 |
| 4.4.2 CS-LBP算子 | 第49页 |
| 4.4.3 CS-LDP算子 | 第49-51页 |
| 4.5 小结 | 第51-53页 |
| 5 特征匹配与识别 | 第53-61页 |
| 5.1 海明距离（HD） | 第53-54页 |
| 5.2 支持向量机（SVM） | 第54-56页 |
| 5.3 本文采用SVM与HD相结合的方法进行匹配识别 | 第56页 |
| 5.4 实验结果及分析 | 第56-60页 |
| 5.4.1 本文中CS-LDP算子的参数选取 | 第57-59页 |
| 5.4.2 不同算子之间匹配结果对比 | 第59-60页 |
| 5.5 小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者攻读学位期间发表论文清单 | 第67-69页 |
| 致谢 | 第69页 |