基于非线性图像增强的非理想虹膜定位
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-20页 |
| ·虹膜识别的研究背景和意义 | 第11-12页 |
| ·生物识别技术 | 第12-15页 |
| ·指纹识别 | 第13页 |
| ·掌纹识别 | 第13页 |
| ·人脸识别 | 第13页 |
| ·声音识别 | 第13-14页 |
| ·笔迹识别 | 第14页 |
| ·步态识别 | 第14页 |
| ·DNA 识别 | 第14-15页 |
| ·虹膜识别的技术优势 | 第15-16页 |
| ·虹膜识别的发展与应用现状 | 第16-18页 |
| ·虹膜识别的发展历史 | 第16-17页 |
| ·虹膜识别技术的应用现状 | 第17-18页 |
| ·本论文的主要内容 | 第18-20页 |
| 第二章 虹膜识别系统的概述 | 第20-35页 |
| ·引言 | 第20页 |
| ·虹膜的生理特点 | 第20-21页 |
| ·典型虹膜识别系统 | 第21-23页 |
| ·虹膜识别系统的基本结构 | 第21-22页 |
| ·现有的虹膜识别系统 | 第22-23页 |
| ·虹膜图像的采集 | 第23-25页 |
| ·虹膜图像的预处理 | 第25-30页 |
| ·虹膜的定位 | 第25-28页 |
| ·虹膜图像归一化 | 第28-30页 |
| ·特征提取 | 第30-32页 |
| ·匹配识别 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 虹膜内圆定位 | 第35-47页 |
| ·绪论 | 第35页 |
| ·期望最大化的高斯混合模型 | 第35-38页 |
| ·最大期望值算法 | 第35-37页 |
| ·高斯混合模型 | 第37-38页 |
| ·基于 EM 算法和 GMM 的瞳孔分割算法 | 第38-41页 |
| ·非线性尺度空间的处理 | 第41-43页 |
| ·弦长均衡策略定位虹膜内圆 | 第43-45页 |
| ·虹膜中心初始化 | 第43-44页 |
| ·虹膜中心精确定位和内边界定位 | 第44-45页 |
| ·定位结果及分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第四章 虹膜外圆定位 | 第47-60页 |
| ·绪论 | 第47页 |
| ·hough 变换 | 第47-50页 |
| ·Hough 变换算法实现 | 第48页 |
| ·直线的 hough 变换 | 第48-49页 |
| ·Hough 变换的圆检测 | 第49-50页 |
| ·非线性灰度变换 | 第50-53页 |
| ·非线性变换的提出 | 第50页 |
| ·非理想虹膜图像的增强 | 第50-53页 |
| ·改进的 Hough 变换定位外圆边界 | 第53-56页 |
| ·canny 算子寻找边界点 | 第53-55页 |
| ·改进 hough 变换 | 第55-56页 |
| ·实验结果分析 | 第56-58页 |
| ·变换方程定位结果分析 | 第56-57页 |
| ·本文整体算法结果分析 | 第57-58页 |
| ·小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间的研究成果 | 第67页 |
