| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·虹膜识别技术 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·经验模式分解 | 第14-15页 |
| ·本文主要研究内容及各章节安排 | 第15-17页 |
| 第二章 经验模式分解 | 第17-25页 |
| ·一维EMD 理论与算法 | 第17-20页 |
| ·瞬时频率的定义 | 第17-18页 |
| ·固有模态函数 IMF | 第18页 |
| ·一维EMD 算法 | 第18-20页 |
| ·二维EMD 分解技术 | 第20-24页 |
| ·二维EMD 分解框架 | 第21页 |
| ·极值确定及插值方法的选取 | 第21-22页 |
| ·边界处理问题与筛分终止准则 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 虹膜图像预处理 | 第25-32页 |
| ·虹膜定位 | 第25-29页 |
| ·Canny 算子和 Hough 变换的基本原理 | 第25-27页 |
| ·Canny 算子和 Hough 变换的改进 | 第27-28页 |
| ·虹膜内外边界的定位 | 第28页 |
| ·眼睑分割和睫毛剔除 | 第28-29页 |
| ·虹膜图像归一化 | 第29-30页 |
| ·图像增强 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于一维EMD 的虹膜识别方法 | 第32-42页 |
| ·基于一维EMD 第一余量的虹膜识别方法 | 第32-37页 |
| ·虹膜纹理特征分析 | 第32-33页 |
| ·一维EMD 分解虹膜 | 第33页 |
| ·虹膜识别系统概述 | 第33-34页 |
| ·采用传统距离量度进行匹配 | 第34-35页 |
| ·实验分析与结果 | 第35-37页 |
| ·基于 IMF 奇异值分解和 SVM 的虹膜识别方法 | 第37-41页 |
| ·基于IMF 的奇异值分解 | 第38页 |
| ·基于SVM 的分类识别 | 第38-40页 |
| ·实验结果与分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于二维EMD 和 LBP 的虹膜识别方法 | 第42-49页 |
| ·基于二维 EMD 和 LBP 的虹膜纹理特征提取 | 第42-44页 |
| ·LBP 算子介绍 | 第42-43页 |
| ·改进的二维 EMD 分解虹膜 | 第43-44页 |
| ·基于 LBP 直方图相似性的匹配方法 | 第44-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录A 攻读学位期间所发表的学术论文 | 第56页 |
