| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 虹膜识别简介 | 第10-16页 |
| 1.2.1 虹膜识别的发展 | 第10-11页 |
| 1.2.2 虹膜识别原理简介 | 第11-16页 |
| 1.3 评价虹膜识别系统的性能指标 | 第16-17页 |
| 1.4 本文使用的虹膜数据库 | 第17-18页 |
| 1.5 论文结构 | 第18-20页 |
| 第2章 虹膜识别算法的研究现状 | 第20-30页 |
| 2.1 基于二维Gabor滤波的虹膜识别算法 | 第20-22页 |
| 2.1.1 特征提取 | 第20-21页 |
| 2.1.2 特征匹配 | 第21-22页 |
| 2.2 基于拉普拉斯金字塔分解的虹膜识别算法 | 第22-24页 |
| 2.2.1 特征提取 | 第22-23页 |
| 2.2.2 特征匹配 | 第23-24页 |
| 2.3 基于小波过零点检测的虹膜识别算法 | 第24-26页 |
| 2.3.1 特征提取 | 第25-26页 |
| 2.3.2 特征匹配 | 第26页 |
| 2.4 基于多通道滤波的虹膜识别算法 | 第26-28页 |
| 2.4.1 特征提取 | 第27-28页 |
| 2.4.2 特征匹配 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于多方向Gabor的低质量虹膜识别算法 | 第30-46页 |
| 3.1 虹膜预处理 | 第31-34页 |
| 3.1.1 虹膜分割 | 第31-32页 |
| 3.1.2 瞳孔定位评估 | 第32-33页 |
| 3.1.3 虹膜归一化 | 第33-34页 |
| 3.2 彩色虹膜图像的颜色通道性能分析 | 第34-35页 |
| 3.3 特征提取 | 第35-40页 |
| 3.3.1 多方向Gabor滤波器的设计 | 第36-38页 |
| 3.3.2 虹膜分块 | 第38-39页 |
| 3.3.3 特征向量的生成 | 第39-40页 |
| 3.4 基于模式分类的特征匹配 | 第40-45页 |
| 3.4.1 Adaboost算法及分类识别 | 第40-41页 |
| 3.4.2 随机森林算法及分类识别 | 第41-43页 |
| 3.4.3 Fisher线性判别算法及分类识别 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 实验结果与分析 | 第46-60页 |
| 4.1 CASIA-IrisV3-Lamp虹膜数据库上的实验 | 第46-51页 |
| 4.1.1 Adaboost算法的实验 | 第47-49页 |
| 4.1.2 随机森林和Fisher线性判别算法的实验 | 第49-50页 |
| 4.1.3 算法性能分析 | 第50-51页 |
| 4.2 Ubiris.v2虹膜数据库上的实验 | 第51-58页 |
| 4.2.1 Adaboost算法的实验 | 第52-56页 |
| 4.2.2 随机森林和Fisher线性判别算法的实验 | 第56-57页 |
| 4.2.3 算法性能分析 | 第57-58页 |
| 4.3 本章小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
