彩色虹膜图像识别算法的研究
| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-24页 |
| ·研究背景和意义 | 第8-9页 |
| ·生物特征识别技术 | 第9-16页 |
| ·生物特征应该具有的特点 | 第9页 |
| ·常见的生物特征识别技术 | 第9-14页 |
| ·生物特征识别的评价标准 | 第14-16页 |
| ·虹膜识别技术简介 | 第16-19页 |
| ·虹膜结构 | 第17-18页 |
| ·虹膜识别的发展历史及现状 | 第18-19页 |
| ·所用数据库 | 第19-22页 |
| ·公共虹膜数据库简介 | 第19-20页 |
| ·本文选用的数据库 | 第20-22页 |
| ·本文主要工作 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第2章 彩色图像虹膜定位及特征提取 | 第24-44页 |
| ·虹膜识别技术的研究现状 | 第24-34页 |
| ·虹膜定位 | 第26-31页 |
| ·特征提取和模式匹配 | 第31-34页 |
| ·彩色图像虹膜识别研究现状 | 第34-35页 |
| ·本文使用的虹膜识别算法 | 第35-42页 |
| ·虹膜定位 | 第36-39页 |
| ·眼皮和眼睫毛去除 | 第39-41页 |
| ·特征提取 | 第41页 |
| ·计算相似度 | 第41-42页 |
| ·比对结果融合 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第3章 虹膜识别中各颜色通道性能分析 | 第44-52页 |
| ·常见的颜色空间 | 第44-46页 |
| ·各颜色通道性能分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于比对层数据融合的虹膜识别 | 第52-64页 |
| ·数据融合 | 第52-54页 |
| ·比对层数据融合 | 第54-57页 |
| ·比对值归一化 | 第54-56页 |
| ·比对层数据融合算法 | 第56-57页 |
| ·单一颜色空间中多通道融合 | 第57-60页 |
| ·多颜色空间中多通道融合 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 基于K 近邻和加权投票的虹膜识别 | 第64-74页 |
| ·K 近邻算法 | 第64-65页 |
| ·加权投票 | 第65-66页 |
| ·基于加权KNN 和加权投票相结合的虹膜识别 | 第66-70页 |
| ·基于模糊KNN 和加权投票相结合的虹膜识别 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第6章 基于多模板的虹膜识别 | 第74-84页 |
| ·传统多模板虹膜识别 | 第74-76页 |
| ·基于半监督学习的虹膜识别 | 第76-80页 |
| ·基于增量学习的虹膜识别 | 第80-83页 |
| ·本章小结 | 第83-84页 |
| 第7章 总结与展望 | 第84-88页 |
| ·本文的主要工作和贡献 | 第84-85页 |
| ·本文下一步工作展望 | 第85-88页 |
| 参考文献 | 第88-99页 |
| 附录：其它基于UBIRIS 的定位识别结果 | 第99-100页 |
| 攻读学位期间发表的学术论文及取得的科研成果 | 第100-102页 |
| 致谢 | 第102-103页 |
| 摘要 | 第103-106页 |
| Abstract | 第106-109页 |
