非理想虹膜图像预处理算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 生物特征识别简介 | 第13-14页 |
| 1.3 虹膜识别简介 | 第14-16页 |
| 1.3.1 虹膜识别的生理基础 | 第14-15页 |
| 1.3.2 算法流程简介 | 第15-16页 |
| 1.4 研究现状分析 | 第16-19页 |
| 1.4.1 积分微分环 | 第17页 |
| 1.4.2 两步法 | 第17-19页 |
| 1.5 本文主要工作 | 第19页 |
| 1.6 论文结构安排 | 第19-21页 |
| 第2章 虹膜分割的边缘检测算法 | 第21-31页 |
| 2.1 传统边缘检测算法 | 第21-24页 |
| 2.1.1 Canny边缘检测 | 第21-22页 |
| 2.1.2 小波变换边缘检测法 | 第22-24页 |
| 2.2 机器学习边缘检测 | 第24-30页 |
| 2.2.1 样本选择 | 第25-26页 |
| 2.2.2 特征提取 | 第26-28页 |
| 2.2.3 分类算法 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于概率提升树的虹膜分割算法 | 第31-48页 |
| 3.1 虹膜检测 | 第32-35页 |
| 3.2 概率提升树分类器获取 | 第35-38页 |
| 3.3 虹膜内外边缘定位 | 第38-40页 |
| 3.4 眼睑定位 | 第40-42页 |
| 3.5 实验及结果分析 | 第42-46页 |
| 3.5.1 虹膜检测算法性能 | 第42-43页 |
| 3.5.2 概率提升树分类性能分析 | 第43-44页 |
| 3.5.3 虹膜定位性能分析 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 虹膜图像的精确分割与归一化 | 第48-58页 |
| 4.1 虹膜图像精确分割 | 第48-51页 |
| 4.1.1 OTSU算法简介 | 第48-49页 |
| 4.1.2 局部OTSU算法精确分割虹膜 | 第49-51页 |
| 4.2 虹膜归一化 | 第51-52页 |
| 4.2.1 平移变化 | 第51页 |
| 4.2.2 旋转变化 | 第51页 |
| 4.2.3 伸缩变化 | 第51-52页 |
| 4.3 虹膜弹性模型 | 第52-54页 |
| 4.4 分割错误率 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 算法识别性能 | 第58-62页 |
| 5.1 识别算法简介 | 第58-60页 |
| 5.1.1 特征提取与编码 | 第59页 |
| 5.1.2 汉明距离统计 | 第59-60页 |
| 5.2 识别性能 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录A 读研期间发表学术论文和参与科研项目 | 第67页 |
