一种基于Gabor滤波器的虹膜识别系统
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章、基于虹膜的身份识别系统的研究进展及现状 | 第8-26页 |
| 一、引言 | 第8-9页 |
| 二、虹膜身份鉴别的生理特点 | 第9-10页 |
| 三、虹膜图像的获取 | 第10-12页 |
| 四、虹膜图像的预处理 | 第12-15页 |
| 1. 虹膜定位 | 第12-13页 |
| 2. 虹膜的对准 | 第13-15页 |
| 五、虹膜图像的特征提取和匹配 | 第15-24页 |
| 1. 基于多通道Gabor滤波的方法 | 第15-18页 |
| 2. 基于高斯-拉普拉斯二维滤波器的多尺度滤波法 | 第18-19页 |
| 3. 基于小波过零检测的方法 | 第19-20页 |
| 4. 基于二维小波的识别方法 | 第20-22页 |
| 5. 基于神经网络的方法 | 第22-23页 |
| 6. 其他方法 | 第23-24页 |
| 六、虹膜识别系统的问题和展望 | 第24-25页 |
| 七、本章小结及论文所做的工作 | 第25-26页 |
| 第二章 一种基于高斯混合模型的虹膜定位算法 | 第26-36页 |
| 一、引言 | 第26页 |
| 二、传统定位方法介绍 | 第26-30页 |
| 1. Daugman的定位方法 | 第26-28页 |
| 2. Wildes的定位方法 | 第28-29页 |
| 3. 几何特征定位法 | 第29-30页 |
| 4. 主动轮廓线定位法 | 第30页 |
| 三、高斯混合模型 | 第30-32页 |
| 四、EM算法 | 第32-33页 |
| 五、用于高斯混合分布的EM算法 | 第33-34页 |
| 六、实验和结果 | 第34-35页 |
| 七、本章小结 | 第35-36页 |
| 第三章、一种基于GABOR滤波器的虹膜识别算法 | 第36-49页 |
| 一、引言 | 第36-37页 |
| 二、虹膜图像的预处理 | 第37-41页 |
| 1. 虹膜的定位 | 第37-39页 |
| 2. 虹膜的归一化 | 第39-41页 |
| 3. 虹膜图像的增强 | 第41页 |
| 三、虹膜特征提取 | 第41-45页 |
| 1. Gabor滤波器 | 第42-44页 |
| 2. 离散Gabor滤波器的构造 | 第44-45页 |
| 四、分类器设计 | 第45-46页 |
| 五、实验和结果 | 第46-47页 |
| 六、本章小结 | 第47-49页 |
| 第四章 总结和展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
