基于小波变换和奇异值分解的虹膜识别算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-21页 |
| ·引言 | 第12页 |
| ·课题提出的背景和意义 | 第12页 |
| ·生物特征识别技术 | 第12-15页 |
| ·生物特征识别技术简介 | 第13页 |
| ·生物特征识别技术特点 | 第13-14页 |
| ·几种生物特征识别技术 | 第14-15页 |
| ·虹膜识别技术 | 第15-19页 |
| ·虹膜的生理结构 | 第15-17页 |
| ·虹膜识别原理概述 | 第17页 |
| ·虹膜识别的国内外研究现状 | 第17-19页 |
| ·本文研究的主要内容 | 第19-21页 |
| 第2章 小波变换与奇异值分解基础理论 | 第21-32页 |
| ·小波的概念 | 第21-22页 |
| ·连续小波变换 | 第22-23页 |
| ·离散小波变换 | 第23-24页 |
| ·多分辨分析 | 第24-27页 |
| ·二维小波变换与二维多分辨分析 | 第27-28页 |
| ·数字图像的多分辨率分解 | 第28-29页 |
| ·矩阵的奇异值分解 | 第29-31页 |
| ·奇异值分解定理 | 第29-30页 |
| ·奇异值分解的性质 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 虹膜图像的预处理 | 第32-47页 |
| ·经典虹膜图像定位算法 | 第32-35页 |
| ·Daugman 的虹膜定位算法 | 第33-34页 |
| ·Wildes 的虹膜定位算法 | 第34-35页 |
| ·本文的虹膜定位算法 | 第35-40页 |
| ·定位虹膜内边界 | 第35-39页 |
| ·定位虹膜外边界 | 第39-40页 |
| ·实验结果 | 第40页 |
| ·虹膜图像的归一化 | 第40-44页 |
| ·线段提取的归一化方法 | 第41-43页 |
| ·插值处理 | 第43-44页 |
| ·虹膜图像的增强 | 第44-45页 |
| ·虹膜图像归一化和增强的算法实现 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 虹膜特征提取与匹配 | 第47-58页 |
| ·图像特征 | 第47-49页 |
| ·图像特征的描述 | 第47页 |
| ·图像特征提取与选择 | 第47-49页 |
| ·虹膜特征提取算法的国内外研究现状 | 第49页 |
| ·本文虹膜特征提取方法 | 第49-52页 |
| ·Bior1.5 小波的特性分析 | 第50页 |
| ·分块虹膜小波变换与特征提取 | 第50-51页 |
| ·基于阈值的奇异值压缩 | 第51页 |
| ·本文虹膜特征提取算法的具体实现过程 | 第51-52页 |
| ·小波特征奇异值阈值压缩与特征融合 | 第52页 |
| ·模式匹配 | 第52-54页 |
| ·特征向量最常用匹配方法 | 第52-54页 |
| ·虹膜图像的模式匹配 | 第54页 |
| ·实验结果分析 | 第54-57页 |
| ·识别指标 | 第55页 |
| ·阈值分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
