基于自适应Gabor滤波的虹膜特征提取与识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 虹膜识别国内外发展情况 | 第11-13页 |
| 1.3 虹膜识别系统概述 | 第13-20页 |
| 1.3.1 虹膜生理结构 | 第13页 |
| 1.3.2 虹膜图像库 | 第13-16页 |
| 1.3.3 虹膜识别的评价指标 | 第16-19页 |
| 1.3.4 虹膜识别的工作模式 | 第19-20页 |
| 1.4 论文的研究内容和组织结构 | 第20-21页 |
| 1.4.1 主要工作 | 第20页 |
| 1.4.2 组织结构 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 虹膜图像采集与预处理 | 第22-30页 |
| 2.1 虹膜图像采集设备 | 第22-23页 |
| 2.1.1 已有采集设备 | 第23页 |
| 2.1.2 自主研发的虹膜采集设备 | 第23页 |
| 2.2 虹膜图像预处理过程 | 第23-29页 |
| 2.2.1 虹膜图像质量评价 | 第23-24页 |
| 2.2.2 虹膜图像有效区域定位 | 第24-26页 |
| 2.2.3 虹膜纹理图像归一化 | 第26-27页 |
| 2.2.4 虹膜图像增强算法 | 第27-28页 |
| 2.2.5 截取虹膜图像ROI | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 自适应Gabor滤波器的虹膜特征提取 | 第30-44页 |
| 3.1 Gabor滤波器 | 第30-31页 |
| 3.2 基于Gabor的虹膜特征提取和编码 | 第31-33页 |
| 3.2.1 Gabor滤波核函数 | 第31-32页 |
| 3.2.2 生成Gabor局部相位特征 | 第32页 |
| 3.2.3 生成Gabor局部方向特征 | 第32-33页 |
| 3.3 基于CPSO的Gabor滤波器参数优化 | 第33-43页 |
| 3.3.1 Gabor滤波器参数优化必要性分析 | 第33-35页 |
| 3.3.2 粒子群和二进制粒子群寻优的基本原理 | 第35-37页 |
| 3.3.3 粒子群算法中引进混沌粒子 | 第37页 |
| 3.3.4 混沌粒子群寻优Gabor参数过程 | 第37-38页 |
| 3.3.5 实验与分析 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于SVR虹膜特征匹配 | 第44-52页 |
| 4.1 SVM和SVR算法原理 | 第44-47页 |
| 4.1.1 SVM算法原理 | 第44-46页 |
| 4.1.2 SVR函数及其核函数 | 第46-47页 |
| 4.2 SVR融合多虹膜特征 | 第47-48页 |
| 4.3 实验与分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 全文总结 | 第52-53页 |
| 5.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
