| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题提出的背景和意义 | 第10-11页 |
| ·生物特征识别技术 | 第11-14页 |
| ·虹膜识别技术 | 第14-17页 |
| ·虹膜图像的获取 | 第15页 |
| ·虹膜图像的预处理 | 第15页 |
| ·虹膜特征提取和匹配 | 第15-17页 |
| ·虹膜识别技术的国内外研究及发展状况 | 第17-18页 |
| ·本课题要做的工作及章节安排 | 第18-20页 |
| 第二章 虹膜识别的关键技术 | 第20-30页 |
| ·虹膜图像的质量评估 | 第20-23页 |
| ·虹膜图像中存在的质量问题 | 第20-21页 |
| ·虹膜图像质量评估方法 | 第21-23页 |
| ·虹膜图像的定位 | 第23-24页 |
| ·Daugman 圆模板定位算法 | 第23页 |
| ·基于边缘检测和Hough 变换的定位算法 | 第23-24页 |
| ·虹膜图像的归一化 | 第24-27页 |
| ·虹膜图像的增强 | 第27-30页 |
| ·光照不均矫正 | 第27-28页 |
| ·直方图均衡化 | 第28-30页 |
| 第三章 基于形态学的眼睑和睫毛的去除 | 第30-40页 |
| ·眼睑和睫毛对整个系统的干扰 | 第30页 |
| ·现有的提取眼睑和睫毛的方法 | 第30-35页 |
| ·眼睑的检测 | 第30-34页 |
| ·睫毛检测 | 第34-35页 |
| ·基于区域增长的眼皮和睫毛去除方法 | 第35-40页 |
| ·区域增长原理 | 第35页 |
| ·眼睑和睫毛的区域增长模型 | 第35-37页 |
| ·种子和生长规则 | 第37-38页 |
| ·工作过程 | 第38-39页 |
| ·实验结果 | 第39-40页 |
| 第四章 基于机器学习的虹膜掩模的求取 | 第40-49页 |
| ·机器学习求取虹膜掩模 | 第40-41页 |
| ·FJ-GMM 算法理论 | 第41-45页 |
| ·高斯混合模型的基本概念 | 第41-42页 |
| ·EM 算法 | 第42-43页 |
| ·FJ-GMM 算法 | 第43-45页 |
| ·虹膜的分类模型 | 第45-46页 |
| ·改进的特征点和实验结果分析 | 第46-49页 |
| 第五章 基于强边缘点梯度方向的金字塔直方图虹膜识别 | 第49-72页 |
| ·Bag of word 模型 | 第49-51页 |
| ·文字处理系统中的BOW | 第49-50页 |
| ·基于BOW 模型的图像表示 | 第50-51页 |
| ·空间金字塔匹配核 | 第51-58页 |
| ·核方法的概念 | 第51-54页 |
| ·金字塔核 | 第54-55页 |
| ·空间金字塔匹配模型 | 第55-58页 |
| ·基于空间金字塔的虹膜识别模型 | 第58-63页 |
| ·BOW 特征的形成 | 第58-60页 |
| ·加权系数的选择 | 第60-63页 |
| ·分类器设计 | 第63-68页 |
| ·基于距离的平均直方图法 | 第63-65页 |
| ·基于SVM 的分类设计 | 第65-68页 |
| ·实验结果 | 第68-72页 |
| ·与经典的算法比较 | 第68-69页 |
| ·不同边缘提取算子的实验结果 | 第69-70页 |
| ·不同边缘强度对算法的影响 | 第70-71页 |
| ·SVM 分类器的识别效果 | 第71-72页 |
| 第六章 结论及展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 作者攻读硕期间取得的研究成果 | 第77-78页 |