| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 引言 | 第8页 |
| 1.2 生物特征的识别技术简介 | 第8-11页 |
| 1.2.1 指纹识别简介 | 第9页 |
| 1.2.2 视网膜识别简介 | 第9-10页 |
| 1.2.3 人脸识别简介 | 第10页 |
| 1.2.4 虹膜识别简介 | 第10-11页 |
| 1.3 虹膜识别技术 | 第11-15页 |
| 1.3.1 虹膜结构及特征 | 第11-12页 |
| 1.3.2 虹膜识别系统的构成 | 第12-14页 |
| 1.3.3 虹膜识别系统评价指标 | 第14页 |
| 1.3.4 虹膜辨认匹配技术的发展 | 第14-15页 |
| 1.4 本文采用的虹膜数据库 | 第15-16页 |
| 1.5 主要创新点 | 第16页 |
| 1.6 本章小结 | 第16-18页 |
| 第二章 采集图像的虹膜定位方法 | 第18-28页 |
| 2.1 传统虹膜分割定位方法 | 第18-22页 |
| 2.1.1 Daugman圆环边缘检测算法 | 第19-20页 |
| 2.1.2 Wildes的虹膜定位算法 | 第20-21页 |
| 2.1.3 最小二乘法拟合算法 | 第21页 |
| 2.1.4 算法的比较分析 | 第21-22页 |
| 2.2 改进的虹膜定位方法 | 第22-26页 |
| 2.2.1 内边界定位 | 第22-24页 |
| 2.2.2 外边界定位 | 第24-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 虹膜图像预处理噪声 | 第28-32页 |
| 3.1 眼睑处理 | 第28-29页 |
| 3.1.1 上眼睑处理 | 第28-29页 |
| 3.1.2 下眼睑处理 | 第29页 |
| 3.2 睫毛处理 | 第29-31页 |
| 3.3 光斑处理 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 虹膜图像的校正及归一化处理 | 第32-36页 |
| 4.1 虹膜图像的校正处理 | 第32-33页 |
| 4.1.1 平移校正 | 第32页 |
| 4.1.2 缩放校正 | 第32页 |
| 4.1.3 旋转校正 | 第32-33页 |
| 4.2 虹膜图像的归一化处理 | 第33-34页 |
| 4.3 本章小结 | 第34-36页 |
| 第五章 虹膜的特征提取及匹配 | 第36-58页 |
| 5.1 二维Gabor滤波法 | 第36-38页 |
| 5.2 Wildes高斯拉普拉斯金字塔法 | 第38-39页 |
| 5.3 过零点检测法 | 第39-40页 |
| 5.4 多通道Gabor滤波法 | 第40-41页 |
| 5.5 Gabor滤波器提取虹膜的纹理特性 | 第41-45页 |
| 5.5.1 选择Gabor滤波器形式 | 第41-42页 |
| 5.5.2 Gabor滤波器参数 | 第42页 |
| 5.5.3 滤波器位置与(r_0,θ_0) | 第42-43页 |
| 5.5.4 Gabor滤波器的设计 | 第43-44页 |
| 5.5.5 图像分块 | 第44页 |
| 5.5.6 Gabor滤波器对虹膜纹理特性进行提取 | 第44-45页 |
| 5.6 基于小波轮廓波变换的特性提取 | 第45-48页 |
| 5.6.1 基于WBCT的特征提取 | 第46-47页 |
| 5.6.2 基于WBCT的特征提取与识别分析 | 第47-48页 |
| 5.7 基于Snake模型的虹膜卷缩轮的提取 | 第48-52页 |
| 5.7.1 Snake模型的虹膜卷缩轮 | 第48页 |
| 5.7.2 虹膜诊断中的结构特征 | 第48-49页 |
| 5.7.3 虹膜卷缩轮的简介 | 第49页 |
| 5.7.4 传统Snake模型 | 第49-50页 |
| 5.7.5 基于分步优化算法的改进Snake模型 | 第50-52页 |
| 5.8 软件实现 | 第52-53页 |
| 5.9 实验结果与分析 | 第53-56页 |
| 5.9.1 虹膜匹配结果及分析 | 第53-54页 |
| 5.9.2 虹膜卷缩轮定位结果及分析 | 第54-56页 |
| 5.10 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 发表论文和参加科研情况 | 第64-66页 |
| 致谢 | 第66页 |