| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第一章 绪论 | 第15-40页 |
| ·研究背景与意义 | 第15-17页 |
| ·生物特征识别技术简介 | 第17-22页 |
| ·生物特征识别的优点 | 第17-18页 |
| ·典型的生物特征识别技术 | 第18-20页 |
| ·生物特征识别技术的研究概述 | 第20-22页 |
| ·虹膜识别技术概述 | 第22-26页 |
| ·虹膜识别技术的研究背景 | 第22页 |
| ·虹膜的生理结构与特点 | 第22-23页 |
| ·虹膜识别的工作原理 | 第23-24页 |
| ·虹膜识别系统的评价 | 第24-26页 |
| ·虹膜识别技术的应用 | 第26页 |
| ·虹膜识别关键技术的研究现状 | 第26-39页 |
| ·虹膜图像的采集 | 第26-30页 |
| ·虹膜图像质量评估 | 第30-31页 |
| ·虹膜图像预处理 | 第31-39页 |
| ·本文的结构安排 | 第39-40页 |
| 第二章 虹膜图像质量评估 | 第40-50页 |
| ·引言 | 第40页 |
| ·图像清晰度质量评估算子 | 第40-44页 |
| ·常用的图像清晰度评价函数 | 第41-42页 |
| ·总体清晰度判定算法 | 第42-43页 |
| ·虹膜纹理清晰度 | 第43-44页 |
| ·虹膜可见度的评价算子 | 第44-45页 |
| ·虹膜可见度的精评估 | 第45页 |
| ·实验结果与分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 虹膜图像预处理 | 第50-69页 |
| ·引言 | 第50页 |
| ·虹膜定位 | 第50-59页 |
| ·虹膜内边缘粗定位 | 第51-53页 |
| ·虹膜内边缘精定位 | 第53-57页 |
| ·虹膜外边缘定位 | 第57-59页 |
| ·眼睑检测 | 第59-61页 |
| ·最小二乘法拟合抛物线 | 第60-61页 |
| ·眼睑检测 | 第61页 |
| ·睫毛的检测 | 第61-62页 |
| ·光斑噪声 | 第62页 |
| ·虹膜图像归一化及增强 | 第62-63页 |
| ·虹膜图像归一化 | 第62-63页 |
| ·虹膜图像去噪与增强 | 第63页 |
| ·实验结果与比较 | 第63-67页 |
| ·虹膜库 | 第63-64页 |
| ·实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第四章 基于曲波变换的特征提取及识别方法 | 第69-85页 |
| ·引言 | 第69页 |
| ·曲波变换 | 第69-75页 |
| ·第一代曲波变换 | 第70-71页 |
| ·第二代曲波变换 | 第71-75页 |
| ·基于 Curvelet 变换的虹膜特征提取与识别 | 第75-78页 |
| ·特征向量构成 | 第75-77页 |
| ·虹膜特征匹配 | 第77-78页 |
| ·实验结果与分析 | 第78-84页 |
| ·与常用的基于变换的特征提取算法进行比较 | 第78-83页 |
| ·曲波分解层数与识别率的关系 | 第83页 |
| ·结果讨论 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 第五章 基于轮廓波变换的特征提取及识别 | 第85-102页 |
| ·引言 | 第85页 |
| ·Contourlet 变换的原理 | 第85-90页 |
| ·金字塔框架 | 第86页 |
| ·迭代方向滤波器组 | 第86-88页 |
| ·多尺度、多方向分解：离散轮廓波变换 | 第88-90页 |
| ·基于 Contourlet 的特征提取与识别 | 第90-93页 |
| ·特征向量的构成 | 第90-92页 |
| ·支持向量机(SVM)分类器 | 第92-93页 |
| ·基于小波的轮廓波变换（WBCT）的特征提取 | 第93-97页 |
| ·WBCT分解 | 第94-95页 |
| ·基于WBCT的特征提取 | 第95-97页 |
| ·基于平稳小波的轮廓波变换(SWBCT)的特征提取 | 第97-98页 |
| ·SWBCT概述 | 第97-98页 |
| ·基于SWBCT的特征提取 | 第98页 |
| ·实验结果与分析 | 第98-100页 |
| ·基于Contourlet变换的特征提取及识别 | 第98-99页 |
| ·基于WBCT的特征提取及识别 | 第99-100页 |
| ·基于SWBCT的特征提取及识别 | 第100页 |
| ·本章小结 | 第100-102页 |
| 第六章 基于经验模态分解的虹膜特征提取与识别 | 第102-117页 |
| ·引言 | 第102-103页 |
| ·EMD方法原理 | 第103-106页 |
| ·瞬时频率 | 第103页 |
| ·固有模态函数(IMF) | 第103-104页 |
| ·筛分过程 | 第104-106页 |
| ·边界效应及其抑制方法 | 第106页 |
| ·基于EMD的虹膜特征提取及识别 | 第106-112页 |
| ·奇异值分解(SVD) | 第108-109页 |
| ·特征矢量的构成 | 第109-110页 |
| ·基于Modest AdaBoost的分类识别 | 第110-112页 |
| ·实验结果与分析 | 第112-116页 |
| ·本章小结 | 第116-117页 |
| 结论与展望 | 第117-120页 |
| 1 主要工作与总结 | 第117-118页 |
| 2 展望 | 第118-120页 |
| 参考文献 | 第120-133页 |
| 攻读博士学位期间取得的研究成果 | 第133-134页 |
| 致谢 | 第134页 |