虹膜快速定位及虹膜图像质量评估算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题背景、目的和意义 | 第8-9页 |
| ·虹膜识别的重要意义 | 第8-9页 |
| ·论文研究的意义与目的 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·虹膜定位算法的研究现状 | 第9-11页 |
| ·虹膜图像质量评估的研究现状 | 第11-12页 |
| ·论文的主要工作和内容安排 | 第12-14页 |
| 第二章 虹膜的结构特征与识别技术 | 第14-18页 |
| ·虹膜的结构 | 第14-15页 |
| ·虹膜的生物特征 | 第15-16页 |
| ·生物识别技术与虹膜识别技术 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 虹膜识别系统简介 | 第18-24页 |
| ·模式识别 | 第18页 |
| ·虹膜识别系统的组成 | 第18-23页 |
| ·虹膜图像的摄取 | 第19-21页 |
| ·虹膜图像的定位与归一化 | 第21-22页 |
| ·虹膜图像质量评估 | 第22页 |
| ·虹膜图像增强 | 第22页 |
| ·虹膜特征提取 | 第22页 |
| ·虹膜特征数据库 | 第22页 |
| ·模式匹配 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 虹膜快速定位算法的研究 | 第24-40页 |
| ·虹膜定位算法的研究状况 | 第24-29页 |
| ·Daugman 的圆模板的定位算法 | 第25-26页 |
| ·Wildes 的基于Hough 变换的定位算法 | 第26-28页 |
| ·虹膜图像的边缘检测 | 第26-27页 |
| ·Hough 变换定位虹膜 | 第27-28页 |
| ·中科院的改进RANSAC 的定位算法 | 第28-29页 |
| ·非线性最小二乘法的理论 | 第29-32页 |
| ·最小二乘法的应用优势 | 第29-30页 |
| ·改进的非线性最小二乘法拟合圆算法 | 第30-32页 |
| ·最小二乘法定位虹膜内外边缘 | 第32-35页 |
| ·虹膜的内边缘定位 | 第32-33页 |
| ·定位瞳孔位置 | 第32-33页 |
| ·获取虹膜内边缘候选点集 | 第33页 |
| ·非线性最小二乘法定位虹膜内边缘 | 第33页 |
| ·虹膜的外边缘定位 | 第33-35页 |
| ·利用灰度值的垂直投影，去掉大部分非边缘点 | 第33-34页 |
| ·基于候选边缘点集，用最小二乘法定位虹膜外边缘 | 第34-35页 |
| ·实验结果 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 虹膜图像质量评估算法的研究 | 第40-52页 |
| ·虹膜质量评估和分类 | 第40-41页 |
| ·基于傅立叶变换的虹膜质量评估算法 | 第41-42页 |
| ·时域与频域相结合的虹膜质量评估算法 | 第42-46页 |
| ·算法的总体框架 | 第42-43页 |
| ·算法的实现 | 第43-46页 |
| ·瞳孔粗定位 | 第43-44页 |
| ·ROI 区域的选取 | 第44页 |
| ·虹膜的清晰度 | 第44-45页 |
| ·虹膜的可见度 | 第45-46页 |
| ·虹膜的尺寸合理度 | 第46页 |
| ·算法的评价 | 第46页 |
| ·基于拉普拉斯锐化的虹膜质量评估算法 | 第46-49页 |
| ·图像锐化的目的与原理 | 第46-48页 |
| ·梯度锐化原理 | 第47页 |
| ·拉普拉斯锐化原理 | 第47-48页 |
| ·利用拉普拉斯锐化评价虹膜图像质量 | 第48-49页 |
| ·实验结果 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第六章 结束语 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者在读期间的研究成果 | 第58页 |
