虹膜识别中预处理及识别方法的研究
| 中文摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第1章 绪论 | 第7-16页 |
| ·引言 | 第7-10页 |
| ·虹膜的生理结构 | 第7-8页 |
| ·虹膜识别技术的优越性 | 第8-9页 |
| ·虹膜识别技术的一些应用 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·本文研究的内容 | 第15-16页 |
| 第2章 非参量概率密度函数及眼睑检测 | 第16-28页 |
| ·现有的眼睑检测算法 | 第16-18页 |
| ·边缘检测与霍夫变换相结合的眼睑检测算法 | 第16-17页 |
| ·微积分算子与一维信号量相结合的眼睑检测算法 | 第17-18页 |
| ·非参量概率密度函数眼睑检测算法 | 第18-24页 |
| ·非参量概率密度函数 | 第18-19页 |
| ·抛物线的非参量概率密度函数模型 | 第19-22页 |
| ·检测算法 | 第22-24页 |
| ·实验 | 第24-26页 |
| ·数据库及真值标定 | 第25页 |
| ·结果比较 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 随机采样一致性算法及虹膜初定位 | 第28-41页 |
| ·传统的椭圆拟合算法 | 第28-30页 |
| ·基于霍夫变换的椭圆拟合算法 | 第28-29页 |
| ·基于最小二乘的椭圆拟合算法 | 第29-30页 |
| ·随机采样一致性算法及虹膜初定位实现 | 第30-35页 |
| ·算法描述 | 第31页 |
| ·参数设定 | 第31-33页 |
| ·虹膜初定位 | 第33-35页 |
| ·实验 | 第35-40页 |
| ·评估方法 | 第35-38页 |
| ·比较结果及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 眼睫毛检测算法 | 第41-53页 |
| ·传统的眼睫毛检测算法 | 第41-42页 |
| ·基于Gabor滤波与核函数的眼睫毛检测算法 | 第41-42页 |
| ·基于直方图的眼睫毛检测算法 | 第42页 |
| ·区域生长与断点连接相结合的眼睫毛检测算法 | 第42-47页 |
| ·眼睫毛检测候选区域的确定 | 第43-44页 |
| ·确定种子集合 | 第44-45页 |
| ·断点连接和区域生长 | 第45-47页 |
| ·实验 | 第47-52页 |
| ·基于虹膜识别的评估 | 第49-50页 |
| ·基于手工标定真值的评估 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 SIFT特征匹配算法及虹膜识别 | 第53-67页 |
| ·SIFT特征匹配概述 | 第53-55页 |
| ·SIFT特征匹配算法 | 第55-61页 |
| ·尺度空间极值检测及特征点确定 | 第55-59页 |
| ·SIFT特征向量生成及匹配 | 第59-61页 |
| ·SIFT特征匹配技术在虹膜识别中的应用 | 第61-66页 |
| ·特征点检测 | 第61-64页 |
| ·提取特征描述符 | 第64-65页 |
| ·特征匹配 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文 | 第76-77页 |
