| 目录 | 第4-6页 |
| CONTENTS | 第6-8页 |
| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 生物特征识别技简介 | 第12-16页 |
| 1.2.1 生物特征识别技术概述与发展现状 | 第12-14页 |
| 1.2.2 典型的生物特征识别技术 | 第14-16页 |
| 1.3 虹膜识别的优势及发展应用现状 | 第16-18页 |
| 1.4 本文主要工作及结构安排 | 第18-20页 |
| 第二章 虹膜识别技术综述 | 第20-31页 |
| 2.1 引言 | 第20页 |
| 2.2 虹膜识别技术原理 | 第20-21页 |
| 2.3 虹膜图像采集 | 第21-22页 |
| 2.4 虹膜图像预处理 | 第22-27页 |
| 2.4.1 虹膜定位 | 第22-25页 |
| 2.4.2 虹膜图像归一化 | 第25-26页 |
| 2.4.3 虹膜图像去噪与增强 | 第26-27页 |
| 2.5 虹膜特征提取 | 第27-29页 |
| 2.6 虹膜特征匹配识别 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 虹膜预处理中的睫毛检测算法 | 第31-48页 |
| 3.1 引言 | 第31页 |
| 3.2 现有的睫毛检测算法 | 第31-36页 |
| 3.2.1 阈值睫毛检测算法 | 第31-32页 |
| 3.2.2 基于Gabor滤波和区域灰度方差的检测算法 | 第32-33页 |
| 3.2.3 基于聚焦估计的睫毛检测算法 | 第33-35页 |
| 3.2.4 基于最大值滤波器的睫毛检测算法 | 第35-36页 |
| 3.3 最大期望值算法和高斯混合模型 | 第36-40页 |
| 3.3.1 最大期望值算法 | 第36-38页 |
| 3.3.2 高斯混合模型 | 第38-40页 |
| 3.4 基于EM算法和GMM的睫毛检测算法 | 第40-45页 |
| 3.5 实验结果分析 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 虹膜预处理中的眼睑检测算法 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 已有的眼睑检测算法 | 第48-53页 |
| 4.2.1 “积分-微分”检测算法 | 第48-49页 |
| 4.2.2 边缘检测加拟合的检测算法 | 第49-50页 |
| 4.2.3 基于最短路径的检测算法 | 第50页 |
| 4.2.4 基于聚焦估计的眼睑检测算法 | 第50-53页 |
| 4.3 本文的眼睑检测算法 | 第53-59页 |
| 4.3.1 序统计滤波 | 第53-55页 |
| 4.3.2 边缘检测 | 第55-57页 |
| 4.3.3 基于混合边缘检测和Hough变换的眼睑检测算法 | 第57-59页 |
| 4.4 实验结果分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间的研究成果 | 第70-71页 |
| 学位论文评阅及答辩情况表 | 第71页 |