| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-30页 |
| ·引言 | 第14-15页 |
| ·生物特征识别技术 | 第15-18页 |
| ·指纹识别 | 第15-16页 |
| ·人脸识别 | 第16页 |
| ·虹膜识别 | 第16页 |
| ·掌纹识别 | 第16-17页 |
| ·声音识别 | 第17页 |
| ·签名识别 | 第17页 |
| ·步态识别 | 第17-18页 |
| ·虹膜识别技术 | 第18-21页 |
| ·虹膜的结构和特点 | 第18-19页 |
| ·虹膜识别的基本步骤 | 第19-21页 |
| ·虹膜数据库 | 第21-22页 |
| ·虹膜算法的评价指标 | 第22-24页 |
| ·虹膜识别方法的发展历史 | 第24-25页 |
| ·虹膜识别方法的研究现状及存在的问题 | 第25-27页 |
| ·定位算法 | 第25-26页 |
| ·特征提取和编码以及匹配算法 | 第26-27页 |
| ·本文的研究内容 | 第27-30页 |
| 第2章 虹膜图像预处理方法研究 | 第30-56页 |
| ·传统的虹膜定位算法 | 第30-33页 |
| ·微积分算子 | 第30-32页 |
| ·边缘检测加Hough 变换的两步虹膜定位法 | 第32-33页 |
| ·两种定位算法的特点 | 第33页 |
| ·本文提高定位速度的方法 | 第33-37页 |
| ·切割虹膜图像 | 第33-34页 |
| ·虹膜图像的抽样 | 第34-35页 |
| ·迭代的圆环像素率法 | 第35-36页 |
| ·快速Hough 圆检测 | 第36-37页 |
| ·分层定位思想 | 第37页 |
| ·本文的基于迭代圆环像素率法的快速虹膜定位算法的实现 | 第37-46页 |
| ·切割虹膜图像 | 第38-41页 |
| ·Hough 圆检测粗定位 | 第41-42页 |
| ·微积分算子精定位 | 第42-43页 |
| ·实验结果与分析 | 第43-46页 |
| ·虹膜的归一化 | 第46-51页 |
| ·弹性模型 | 第46-48页 |
| ·归一化过程中的问题 | 第48-50页 |
| ·归一化的结果 | 第50-51页 |
| ·虹膜的有效区域 | 第51-52页 |
| ·归一化虹膜图像的增强 | 第52-54页 |
| ·小结 | 第54-56页 |
| 第3章 基于二维奇对称 Gabor 滤波器的虹膜识别方法 | 第56-74页 |
| ·二维Gabor 滤波器理论 | 第56-57页 |
| ·二维Gabor 滤波器设计 | 第57-64页 |
| ·方向选择性 | 第57-60页 |
| ·局部选择性 | 第60页 |
| ·频率选择性 | 第60-62页 |
| ·用于虹膜纹理特征提取的二维奇对称Gabor 滤波器组的构造.. | 第62-64页 |
| ·基于二维奇对称Gabor 滤波器的编码方法 | 第64页 |
| ·匹配方法 | 第64-66页 |
| ·消除旋转失真的移位匹配法 | 第64-65页 |
| ·最佳位移的Hamming 距离匹配法 | 第65-66页 |
| ·改进的移位Hamming 距离标准差匹配法 | 第66页 |
| ·实验结果与分析 | 第66-72页 |
| ·实验的虹膜数据库、软件环境及虹膜识别的评价标准 | 第66-68页 |
| ·匹配方法性能的对比实验 | 第68-70页 |
| ·选取最佳移位次数的实验 | 第70-71页 |
| ·选取最佳均匀抽样方案的实验 | 第71页 |
| ·与其他基于多通道Gabor 滤波器的虹膜识别方法的对比 | 第71-72页 |
| ·小结 | 第72-74页 |
| 第4章 基于 LBP 的虹膜识别方法 | 第74-92页 |
| ·LBP 算子概述 | 第74-76页 |
| ·虹膜的LBP 特征图像 | 第76-77页 |
| ·匹配方法 | 第77-79页 |
| ·移位LBP 差分图像匹配 | 第77-78页 |
| ·最佳位移的均值匹配法 | 第78-79页 |
| ·改进的移位均值标准差匹配法 | 第79页 |
| ·实验结果与分析 | 第79-90页 |
| ·实验的虹膜数据库、软件环境及虹膜识别的评价标准 | 第79-81页 |
| ·两个虹膜库的识别实验 | 第81-82页 |
| ·选取最佳移位次数的实验 | 第82页 |
| ·选取最佳匹配方法的实验 | 第82-83页 |
| ·分析 | 第83-87页 |
| ·本文算法的抗噪声原理 | 第83-85页 |
| ·含噪虹膜无法正确匹配的原因 | 第85-86页 |
| ·无噪虹膜无法正确匹配的原因 | 第86-87页 |
| ·匹配方法的再改进 | 第87-89页 |
| ·与其他方法的比较 | 第89-90页 |
| ·小结 | 第90-92页 |
| 第5章 基于高斯金字塔的虹膜 LBP 特征约减方法 | 第92-102页 |
| ·高斯金字塔 | 第92-94页 |
| ·LBP 算子的选择 | 第94-95页 |
| ·LBP 特征的进一步约减 | 第95-96页 |
| ·匹配方法 | 第96页 |
| ·实验结果与分析 | 第96-100页 |
| ·实验的虹膜数据库、软件环境及虹膜识别的评价标准 | 第96-97页 |
| ·实验结果 | 第97-98页 |
| ·分析 | 第98-100页 |
| ·小结 | 第100-102页 |
| 第6章 总结与展望 | 第102-106页 |
| ·本文的创新性工作 | 第102-103页 |
| ·本文提出的虹膜识别方法对比 | 第103-104页 |
| ·展望 | 第104-106页 |
| 参考文献 | 第106-111页 |
| 在学期间学术成果情况 | 第111-112页 |
| 指导教师及作者简介 | 第112-113页 |
| 致谢 | 第113页 |
