| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-19页 |
| ·生物识别技术概述 | 第10-11页 |
| ·基于虹膜的身份识别技术简介 | 第11-16页 |
| ·虹膜结构的组成及特点 | 第12-14页 |
| ·基于虹膜特征身份识别研究现状 | 第14-16页 |
| ·离焦虹膜识别技术研究的意义及存在的主要问题 | 第16页 |
| ·文章的结构及主要内容 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 基于虹膜身份识别系统框架 | 第19-26页 |
| ·虹膜身份识别系统框架 | 第19-20页 |
| ·图像的获取 | 第20-22页 |
| ·现有虹膜图像采集设备简介 | 第20-21页 |
| ·本文采用的虹膜图像采集设备 | 第21-22页 |
| ·图像预处理 | 第22-24页 |
| ·虹膜的定位 | 第22页 |
| ·虹膜图像的归一化处理 | 第22-23页 |
| ·虹膜图像的分割 | 第23-24页 |
| ·虹膜图像特征提取 | 第24页 |
| ·特征匹配 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 虹膜图像预处理 | 第26-43页 |
| ·虹膜图像定位 | 第26-30页 |
| ·虹膜图像归一化 | 第30-32页 |
| ·虹膜图像分割 | 第32-38页 |
| ·虹膜眼睑的检测 | 第33-34页 |
| ·睫毛的检测 | 第34-38页 |
| ·图像预处理实验及数据分析 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于 Harr 特征的虹膜特征提取算法 | 第43-53页 |
| ·Adaboost 算法理论基础以及 Harr 特征概述 | 第43-44页 |
| ·虹膜纹理分解及 Harr 特征映射 | 第44-48页 |
| ·虹膜图像纹理分解 | 第44-45页 |
| ·纹理映射数学模型 | 第45-47页 |
| ·投影矩阵的快速实现 | 第47-48页 |
| ·Harr 特征的选择及匹配算法 | 第48-49页 |
| ·实验结果与分析 | 第49-52页 |
| ·实验图库的选择 | 第49-50页 |
| ·算法验证对比实验 | 第50-51页 |
| ·特征码相对稳定性验证 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 虹膜特征匹配 | 第53-56页 |
| ·传统匹配方法 | 第53页 |
| ·欧式距离匹配方法 | 第53页 |
| ·线性判别方法 | 第53页 |
| ·实验数据及结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 结论及展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |