基于虹膜身份识别算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 虹膜识别研究背景与意义 | 第10-11页 |
| 1.2 生物识别技术简介 | 第11-13页 |
| 1.3 虹膜识别发展历史与现状 | 第13-15页 |
| 1.4 虹膜识别研究的难点 | 第15-16页 |
| 1.5 本文研究内容与结构 | 第16-17页 |
| 第二章 虹膜识别系统概述 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 虹膜识别系统 | 第17-19页 |
| 2.3 虹膜识别关键技术 | 第19-21页 |
| 2.3.1 虹膜定位算法 | 第19-21页 |
| 2.3.2 虹膜识别算法 | 第21页 |
| 2.4 虹膜识别系统性能的评价 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 虹膜图像的预处理 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 图像的获取 | 第24-25页 |
| 3.3 内边缘定位算法 | 第25-28页 |
| 3.3.1 最小二乘法拟合圆原理 | 第25-26页 |
| 3.3.2 瞳孔定位 | 第26-27页 |
| 3.3.3 内边缘精确定位 | 第27-28页 |
| 3.4 虹膜外边缘的定位 | 第28-31页 |
| 3.4.1 外边缘圆检测算法 | 第28页 |
| 3.4.2 霍夫变换与边缘检测相结合算法 | 第28-31页 |
| 3.5 虹膜图像的归一化 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 虹膜图像的特征提取与匹配 | 第34-49页 |
| 4.1 引言 | 第34页 |
| 4.2 二维 Gabor 滤波器性能分析 | 第34-38页 |
| 4.2.1 二维 Gabor 滤波器理论知识 | 第34-35页 |
| 4.2.2 二维 Gabor 滤波器频率选择 | 第35-36页 |
| 4.2.3 二维 Gabor 滤波器方向选择 | 第36-37页 |
| 4.2.4 二维 Gabor 滤波器局部性选择 | 第37-38页 |
| 4.3 二维 Log gabor 滤波器组的构造 | 第38-39页 |
| 4.4 特征提取编码与匹配 | 第39-43页 |
| 4.4.1 虹膜特征提取 | 第39-40页 |
| 4.4.2 虹膜特征编码 | 第40-41页 |
| 4.4.3 传统汉明距离匹配 | 第41页 |
| 4.4.4 改进的虹膜匹配算法 | 第41-43页 |
| 4.5 界面显示与实验结果分析 | 第43-48页 |
| 4.6 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 发表文章目录 | 第54-55页 |
| 致谢 | 第55-56页 |
| 详细摘要 | 第56-63页 |
