| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·概述 | 第7-9页 |
| ·生物特征识别概述 | 第7-8页 |
| ·几种生物识别技术的概述 | 第8-9页 |
| ·虹膜识别的研究进展和概况 | 第9-13页 |
| ·虹膜识别算法研究的背景 | 第9-10页 |
| ·国内外虹膜图像识别研究现状 | 第10-13页 |
| ·虹膜识别的开发和应用前景 | 第13页 |
| ·立题依据和意义 | 第13-14页 |
| ·本论文主要研究内容及论文结构 | 第14-16页 |
| ·研究内容 | 第14页 |
| ·主要贡献和论文结构 | 第14-16页 |
| 第二章 虹膜识别系统 | 第16-22页 |
| ·虹膜识别系统组成 | 第16页 |
| ·虹膜识别关键技术 | 第16-18页 |
| ·虹膜图像的预处理技术 | 第16-17页 |
| ·特征表达与抽取技术 | 第17页 |
| ·特征数据库检索与匹配分类技术 | 第17-18页 |
| ·几种特征提取方法 | 第18-21页 |
| ·传统虹膜特征提取方法 | 第18页 |
| ·基于结构特征的虹膜特征提取方法 | 第18-19页 |
| ·基于独立分量分析的虹膜特征提取方法 | 第19-20页 |
| ·基于DCT 变换的算法 | 第20-21页 |
| ·其他方法 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于加权2DPCA 的神经网络虹膜识别算法 | 第22-36页 |
| ·虹膜图像的预处理 | 第22-28页 |
| ·虹膜内外边界的定位 | 第22-24页 |
| ·定位后的虹膜归一化 | 第24-25页 |
| ·虹膜图像增强 | 第25-26页 |
| ·分块区域剔除睫毛 | 第26-28页 |
| ·基于PCA 分析的虹膜识别算法 | 第28-34页 |
| ·主成分分析 | 第28-29页 |
| ·加权2DPCA 的虹膜特征提取算法 | 第29-32页 |
| ·BP 神经网络的虹膜分类 | 第32-34页 |
| ·实验结果及讨论 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于小波包和神经网络集成的虹膜识别方法 | 第36-46页 |
| ·小波理论 | 第36页 |
| ·小波变换 | 第36页 |
| ·小波包的分析 | 第36-39页 |
| ·小波包的基本原理 | 第37-39页 |
| ·基于小波包分析的虹膜识别算法 | 第39-45页 |
| ·小波包特征提取 | 第39-42页 |
| ·神经网络集成分类器的设计 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于GABOR 小波神经网络的虹膜识别算法 | 第46-58页 |
| ·基于紧致小波网络的虹膜识别算法 | 第46-49页 |
| ·小波神经网络基本模型 | 第46-47页 |
| ·小波神经网络学习演算法 | 第47-49页 |
| ·基于GABOR 小波神经网络的虹膜识别算法 | 第49-54页 |
| ·Gabor 小波基函数簇的特征提取 | 第49-51页 |
| ·Gabor 小波神经网络 | 第51-52页 |
| ·双向PCA 的特征降维 | 第52-54页 |
| ·实验结果及讨论 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |