| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 虹膜的生理结构 | 第11-12页 |
| 1.3 虹膜识别的发展及现状 | 第12-13页 |
| 1.4 虹膜识别的基本模块组成 | 第13-15页 |
| 1.5 虹膜识别研究的难点 | 第15-16页 |
| 1.6 本课题研究的意义和内容 | 第16-18页 |
| 第2章 虹膜图像预处理中的算法 | 第18-28页 |
| 2.1 虹膜定位 | 第18-24页 |
| 2.1.1 用改进的Sobel算子进行边缘检测 | 第18-19页 |
| 2.1.2 圆心的确定以及虹膜内边缘的粗定位 | 第19-20页 |
| 2.1.3 虹膜内外边缘的精确定位 | 第20-21页 |
| 2.1.4 睫毛检测 | 第21-23页 |
| 2.1.5 定位结果的分析 | 第23-24页 |
| 2.2 虹膜图像的归一化 | 第24-26页 |
| 2.2.1 归一化方法 | 第24-25页 |
| 2.2.2 双线性插值 | 第25-26页 |
| 2.3 虹膜图像的增强 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 虹膜特征提取算法的研究 | 第28-36页 |
| 3.1 常见的图像纹理特征提取方法 | 第28页 |
| 3.2 Daugman的方法 | 第28-31页 |
| 3.3 小波方法提取特征 | 第31-34页 |
| 3.3.1 标准的傅立叶变换 | 第31-32页 |
| 3.3.2 连续的小波变换 | 第32页 |
| 3.3.3 小波包变换 | 第32-33页 |
| 3.3.4 基于小波包方法的虹膜特征提取 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于Log-Gabor变换的虹膜特征提取算法 | 第36-46页 |
| 4.1 时频分析 | 第36页 |
| 4.2 Gabor函数简介 | 第36-37页 |
| 4.3 Log-Gabor变换的理论基础与优势 | 第37-39页 |
| 4.4 Log-Gabor小波 | 第39-43页 |
| 4.4.1 一维Log-Gabor函数 | 第39-41页 |
| 4.4.2 二维Log-Gabor函数 | 第41-43页 |
| 4.5 二维Log-Gabor函数参数的确定 | 第43-44页 |
| 4.6 运用二维Log-Gabor滤波器来提取虹膜的纹理特征 | 第44-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 实验结果及性能分析 | 第46-52页 |
| 5.1 性能测试指标 | 第46-47页 |
| 5.2 匹配结果 | 第47-51页 |
| 5.2.1 计算同类虹膜的Hamming距离的分布 | 第48-49页 |
| 5.2.2 计算异类虹膜的Hamming距离的分布 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
