| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·课题来源 | 第8页 |
| ·课题研究的目的 | 第8页 |
| ·课题研究的意义 | 第8-14页 |
| ·虹膜的生理学结构与特征分析 | 第9-10页 |
| ·虹膜异常特征简介 | 第10-13页 |
| ·虹膜诊断学技术 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·课题主要工作 | 第16页 |
| ·论文结构安排 | 第16-17页 |
| 第2章 虹膜纹理图像预处理 | 第17-33页 |
| ·虹膜图像采集系统 | 第17-21页 |
| ·虹膜诊断硬件系统 | 第18-19页 |
| ·实验室自建虹膜图库 | 第19-21页 |
| ·虹膜定位算法 | 第21-28页 |
| ·阈值分割法定位瞳孔 | 第21-25页 |
| ·定位虹膜外边缘 | 第25-28页 |
| ·虹膜图像归一化及提取虹膜纤维结构部分 | 第28-31页 |
| ·虹膜图像增强处理 | 第31-33页 |
| 第3章 虹膜纹理特征提取方法 | 第33-43页 |
| ·纹理特征提取方法 | 第33-35页 |
| ·纹理的定义 | 第33-34页 |
| ·纹理特征提取方法 | 第34-35页 |
| ·Tamura 算法的研究 | 第35-39页 |
| ·Tamura 参数 | 第35-38页 |
| ·计算 Tamura 特征值 | 第38-39页 |
| ·灰度共生矩阵算法的研究 | 第39-42页 |
| ·灰度共生矩阵特征值 | 第39-41页 |
| ·灰度共生矩阵参数的计算 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 SVM 原理及其在虹膜纹理特征提取中的应用 | 第43-53页 |
| ·支持向量机的概念 | 第43-44页 |
| ·VC 维与结构风险 | 第44-46页 |
| ·SVM 分类器的实现方法 | 第46-50页 |
| ·基于 SVM 的虹膜纤维结构部分分类 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 在学研究成果 | 第57-58页 |
| 致谢 | 第58页 |