虹膜识别系统算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-12页 |
| ·虹膜识别技术及其它生物识别技术的比较 | 第7-9页 |
| ·生物识别技术概论 | 第7-8页 |
| ·虹膜识别技术的优缺点 | 第8-9页 |
| ·虹膜识别技术的发展历史及研究现状 | 第9-10页 |
| ·本文研究的主要内容及安排 | 第10-12页 |
| 2 虹膜识别原理概述 | 第12-15页 |
| ·图像采集模块 | 第12-13页 |
| ·图像预处理模块 | 第13-14页 |
| ·特征提取模块 | 第14页 |
| ·特征匹配模块 | 第14页 |
| ·虹膜特征数据库 | 第14-15页 |
| 3 虹膜图像的预处理 | 第15-37页 |
| ·虹膜图像质量评价 | 第15-17页 |
| ·经典虹膜图像定位算法 | 第17-21页 |
| ·Dangman的虹膜定位算法 | 第17-19页 |
| ·Wildes的虹膜定位算法 | 第19-21页 |
| ·改进的虹膜定位算法 | 第21-29页 |
| ·内边界粗定位 | 第21-27页 |
| ·内边界精定位 | 第27-28页 |
| ·外边界定位 | 第28-29页 |
| ·虹膜图像的噪声处理 | 第29-32页 |
| ·眼睑噪声处理 | 第30-31页 |
| ·眼睫毛噪声处理 | 第31-32页 |
| ·光斑噪声处理 | 第32页 |
| ·虹膜图像归一化 | 第32-34页 |
| ·虹膜图像增强 | 第34-37页 |
| 4 虹膜图像特征提取与编码 | 第37-45页 |
| ·虹膜图像的矩特征矩阵 | 第37-38页 |
| ·Radon变换 | 第37页 |
| ·矩特征矩阵M | 第37-38页 |
| ·奇异值分解定理 | 第38页 |
| ·奇异值向量作为观察向量的优点 | 第38-41页 |
| ·虹膜奇异值特征向量提取 | 第41页 |
| ·虹膜图像编码——奇异值观察向量数值化 | 第41-45页 |
| 5 虹膜图像的模式匹配 | 第45-51页 |
| ·基于矩的匹配算法 | 第45-46页 |
| ·基于特征矩阵的匹配算法 | 第46-48页 |
| ·加权的欧几里德匹配法 | 第46-47页 |
| ·相关系数法 | 第47页 |
| ·逐步匹配的识别算法 | 第47-48页 |
| ·基于特征向量的匹配 | 第48-51页 |
| ·特征向量最常用匹配法 | 第48-50页 |
| ·分类器设计 | 第50-51页 |
| 6. 算法性能分析与实验结果 | 第51-57页 |
| ·虹膜定位实验 | 第51-52页 |
| ·虹膜识别系统识别效果实验 | 第52-57页 |
| ·鉴别实验 | 第52-53页 |
| ·认证实验 | 第53-57页 |
| 总结与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
