| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 虹膜识别概述 | 第9-13页 |
| 1.2.1 虹膜生理结构介绍 | 第9-10页 |
| 1.2.2 虹膜识别流程 | 第10-11页 |
| 1.2.3 虹膜识别优势 | 第11-13页 |
| 1.3 虹膜识别技术发展现状 | 第13-14页 |
| 1.4 本文主要研究内容与组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 虹膜采集与预处理 | 第15-23页 |
| 2.1 虹膜图像采集 | 第15-16页 |
| 2.2 虹膜质量评价 | 第16-18页 |
| 2.3 虹膜定位 | 第18-19页 |
| 2.4 虹膜归一与增强 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 虹膜特征提取与识别 | 第23-29页 |
| 3.1 虹膜特征提取算法介绍 | 第23-25页 |
| 3.1.1 基于滤波的虹膜特征提取算法 | 第23-24页 |
| 3.1.2 基于表面特征的虹膜特征提取算法 | 第24-25页 |
| 3.1.3 相关不足 | 第25页 |
| 3.2 虹膜识别算法介绍 | 第25-28页 |
| 3.2.1 距离类虹膜识别算法 | 第25-26页 |
| 3.2.2 神经网络类虹膜识别算法 | 第26-28页 |
| 3.2.3 相关不足 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基于CS-LBP与自适应神经网络的虹膜识别算法 | 第29-37页 |
| 4.1 基于CS-LBP的虹膜特征提取 | 第29-31页 |
| 4.1.1 局部二值模式介绍 | 第29-30页 |
| 4.1.2 虹膜特征提取 | 第30-31页 |
| 4.2 基于BP神经网络的虹膜识别 | 第31-33页 |
| 4.3 C-SM-PSO与连接权重优化 | 第33-35页 |
| 4.3.1 粒子群优化算法介绍 | 第33页 |
| 4.3.2 混沌算子 | 第33页 |
| 4.3.3 选择算子 | 第33-34页 |
| 4.3.4 变异算子 | 第34页 |
| 4.3.5 连接权重优化 | 第34-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第五章 实验与分析 | 第37-46页 |
| 5.1 实验设计与结果分析 | 第37-45页 |
| 5.1.1 实验虹膜库 | 第37-38页 |
| 5.1.2 算法性能分析实验 | 第38-42页 |
| 5.1.3 与传统算法比较实验 | 第42-45页 |
| 5.2 本章小结 | 第45-46页 |
| 结论与展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 在学期间公开发表论文及著作情况 | 第53页 |