| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景与研究意义 | 第12-16页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 问题提出 | 第14-15页 |
| 1.1.3 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 虹膜识别国内外研究现状 | 第16-17页 |
| 1.2.2 非约束虹膜识别国内外研究现状 | 第17-19页 |
| 1.2.3 虹膜识别研究存在的问题 | 第19-20页 |
| 1.3 本文的主要研究内容 | 第20-24页 |
| 1.3.1 主要研究内容与研究目标 | 第20-21页 |
| 1.3.2 本文章节安排 | 第21-24页 |
| 第2章 非约束虹膜识别概述 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 虹膜识别系统的组成 | 第24-28页 |
| 2.2.1 虹膜识别系统的一般框架 | 第24-27页 |
| 2.2.2 非约束虹膜识别系统框架 | 第27-28页 |
| 2.3 虹膜识别系统性能评价 | 第28-32页 |
| 2.3.1 虹膜识别系统的工作模式 | 第28-29页 |
| 2.3.2 虹膜识别的评价指标 | 第29-30页 |
| 2.3.3 评价结果的图形化表示 | 第30-32页 |
| 2.4 本文使用的虹膜图像 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 虹膜图像质量评价 | 第34-54页 |
| 3.1 引言 | 第34-35页 |
| 3.2 图像模糊对虹膜识别的影响 | 第35-39页 |
| 3.2.1 离焦模糊和运动模糊 | 第35-37页 |
| 3.2.2 模糊对虹膜特征匹配的影响 | 第37-39页 |
| 3.3 虹膜图像离焦模糊度的评价 | 第39-44页 |
| 3.3.1 虹膜图像高频能量的计算 | 第39-40页 |
| 3.3.2 参考注册图像的离焦模糊度计算 | 第40-41页 |
| 3.3.3 相关实验与分析 | 第41-44页 |
| 3.4 虹膜图像运动模糊度的评价 | 第44-51页 |
| 3.4.1 运动模糊和傅里叶变换 | 第44-45页 |
| 3.4.2 运动模糊虹膜图像的质量评价 | 第45-48页 |
| 3.4.3 相关实验与分析 | 第48-51页 |
| 3.5 本章小结 | 第51-54页 |
| 第4章 非理想虹膜图像增强方法 | 第54-70页 |
| 4.1 引言 | 第54-55页 |
| 4.2 基于局部标准差的虹膜纹理增强算法 | 第55-62页 |
| 4.2.1 自适应对比度增强方法 | 第55-56页 |
| 4.2.2 增强虹膜纹理的参数设置 | 第56-57页 |
| 4.2.3 彩色虹膜图像纹理增强 | 第57-60页 |
| 4.2.4 相关实验与分析 | 第60-62页 |
| 4.3 基于RICHARDSON–LUCY反卷积的运动模糊复原 | 第62-69页 |
| 4.3.1 Richardson–Lucy反卷积算法 | 第62-64页 |
| 4.3.2 虹膜图像运动模糊参数估计及复原 | 第64-66页 |
| 4.3.3 相关实验与分析 | 第66-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 基于图像结构的虹膜分割定位算法 | 第70-92页 |
| 5.1 引言 | 第70-71页 |
| 5.2 基于分水岭分割和区域合并的虹膜分割算法 | 第71-76页 |
| 5.2.1 分水岭分割 | 第71-73页 |
| 5.2.2 瞳孔定位 | 第73-74页 |
| 5.2.3 虹膜区域合并 | 第74-75页 |
| 5.2.4 相关实验与分析 | 第75-76页 |
| 5.3 用于虹膜定位的行序列边缘点检测算法 | 第76-90页 |
| 5.3.1 问题的提出 | 第76-79页 |
| 5.3.2 图像行序列边缘点检测算法 | 第79-82页 |
| 5.3.3 虹膜图像预处理与光斑填充 | 第82-85页 |
| 5.3.4 虹膜轮廓定位方法 | 第85-87页 |
| 5.3.5 相关实验与分析 | 第87-90页 |
| 5.4 本章小结 | 第90-92页 |
| 第6章 基于域自适应度量学习的跨环境虹膜识别方法 | 第92-104页 |
| 6.1 引言 | 第92-93页 |
| 6.2 域自适应度量学习方法 | 第93-97页 |
| 6.2.1 域自适应度量学习方法的定义 | 第93-94页 |
| 6.2.2 域自适应度量学习的约束条件 | 第94-95页 |
| 6.2.3 域自适应度量学习的解 | 第95-97页 |
| 6.3 基于域自适应度量学习的虹膜识别 | 第97-101页 |
| 6.3.1 非约束虹膜识别的环境适应 | 第97-98页 |
| 6.3.2 非约束虹膜识别中的最优马氏距离矩阵求解 | 第98-100页 |
| 6.3.3 跨环境非约束虹膜识别算法 | 第100-101页 |
| 6.4 相关实验与分析 | 第101-103页 |
| 6.4.1 实验数据 | 第101页 |
| 6.4.2 实验结果 | 第101-102页 |
| 6.4.3 实验分析 | 第102-103页 |
| 6.5 本章小结 | 第103-104页 |
| 第7章 总结与展望 | 第104-108页 |
| 7.1 全文总结与创新点 | 第104-105页 |
| 7.2 有待进一步研究的问题 | 第105-108页 |
| 参考文献 | 第108-116页 |
| 作者简介及研究成果 | 第116-118页 |
| 致谢 | 第118页 |
