林麝虹膜识别关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景和意义 | 第10-14页 |
| 1.2 虹膜识别技术概述 | 第14-17页 |
| 1.2.1 虹膜的生理结构及优势 | 第14-15页 |
| 1.2.2 虹膜识别流程简介 | 第15-17页 |
| 1.3 虹膜识别的国内外发展和研究现状 | 第17-19页 |
| 1.3.1 人眼虹膜识别技术 | 第17-18页 |
| 1.3.2 动物虹膜识别技术 | 第18-19页 |
| 1.3.3 林麝虹膜识别研究的关键问题 | 第19页 |
| 1.4 本文的主要工作和创新点 | 第19-20页 |
| 1.5 本文的结构安排 | 第20-22页 |
| 第二章 林麝虹膜图像采集 | 第22-29页 |
| 2.1 引言 | 第22-23页 |
| 2.2 林麝虹膜图像采集要求 | 第23-24页 |
| 2.3 林麝虹膜图像采集难点 | 第24-25页 |
| 2.4 林麝虹膜图像采集设备 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 林麝虹膜定位 | 第29-50页 |
| 3.1 引言 | 第29-31页 |
| 3.2 经典定位方法及分析 | 第31-37页 |
| 3.2.1 基于微积分的虹膜边界定位算法 | 第31-32页 |
| 3.2.2 基于Hough变换的虹膜定位算法 | 第32-37页 |
| 3.2.2.1 边缘检测 | 第32-35页 |
| 3.2.2.2 霍夫变换 | 第35-37页 |
| 3.3 林麝虹膜定位 | 第37-45页 |
| 3.3.1 图像预处理 | 第37-40页 |
| 3.3.1.1 图像去噪 | 第37-38页 |
| 3.3.1.2 直方图均衡化 | 第38-40页 |
| 3.3.2 最小二乘椭圆拟合 | 第40-45页 |
| 3.3.2.1 椭圆表示 | 第40-41页 |
| 3.3.2.2 最小二乘法椭圆拟合原理 | 第41-42页 |
| 3.3.2.3 林麝虹膜定位 | 第42-45页 |
| 3.4 实验结果及分析 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 林麝虹膜归一化和图像增强 | 第50-62页 |
| 4.1 引言 | 第50-51页 |
| 4.2 林麝虹膜归一化 | 第51-58页 |
| 4.2.1 Daugman基于橡皮纸模型 | 第51-53页 |
| 4.2.2 基于分层椭圆采样的林麝虹膜归一化 | 第53-57页 |
| 4.2.3 本文方法与Daugman方法的比较 | 第57-58页 |
| 4.3 林麝虹膜图像增强 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 林麝虹膜特征提取和匹配 | 第62-74页 |
| 5.1 引言 | 第62页 |
| 5.2 虹膜纹理特征提取算法分析 | 第62-67页 |
| 5.2.1 2D Gabor滤波法 | 第63-65页 |
| 5.2.2 高斯-拉普拉斯金字塔法 | 第65-66页 |
| 5.2.3 小波过零点检测法 | 第66-67页 |
| 5.3 汉明距离匹配法 | 第67-69页 |
| 5.4 实验结果及分析 | 第69-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结和展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
