| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景、目的及意义 | 第10-12页 |
| 1.2 虹膜识别的基本原理 | 第12-17页 |
| 1.2.1 虹膜的结构和生理特性 | 第12-14页 |
| 1.2.2 图像获取 | 第14页 |
| 1.2.3 图像预处理 | 第14-15页 |
| 1.2.4 特征提取 | 第15-16页 |
| 1.2.5 分类识别 | 第16页 |
| 1.2.6 虹膜识别系统的性能评价指标 | 第16-17页 |
| 1.3 虹膜识别技术国内外研究现状 | 第17-18页 |
| 1.4 本文主要研究内容及结构 | 第18-20页 |
| 第2章 经典的虹膜识别方法分析 | 第20-36页 |
| 2.1 Gabor滤波器理论 | 第20-24页 |
| 2.1.1 2-D Gabor滤波器定义 | 第20-22页 |
| 2.1.2 构造适合虹膜特征提取的2-D Gabor滤波器频率 | 第22-24页 |
| 2.2 小波变换理论 | 第24-32页 |
| 2.2.1 小波变换 | 第24-27页 |
| 2.2.2 多分辨分析 | 第27-28页 |
| 2.2.3 Mallat塔式算法 | 第28-29页 |
| 2.2.4 常用小波基函数 | 第29-32页 |
| 2.3 小波分析在图像处理中的优越性 | 第32-33页 |
| 2.4 本章小结 | 第33-36页 |
| 第3章 虹膜图像的预处理 | 第36-48页 |
| 3.1 改进的虹膜图像质量评价 | 第36-39页 |
| 3.1.1 虹膜图像完整度评价 | 第36-37页 |
| 3.1.2 虹膜质量清晰度评价 | 第37-39页 |
| 3.2 虹膜图像定位 | 第39-42页 |
| 3.3 图像归一化及噪声屏蔽模板的生成 | 第42-44页 |
| 3.4 图像增强 | 第44-45页 |
| 3.5 本章小结 | 第45-48页 |
| 第4章 基于GABOR滤波器和小波的虹膜特征提取和识别 | 第48-64页 |
| 4.1 虹膜纹理结构分析 | 第48页 |
| 4.2 Gabor滤波器的虹膜纹理特征提取 | 第48-50页 |
| 4.3 基于小波的虹膜纹理特征提取 | 第50-52页 |
| 4.3.1 小波函数选取 | 第50-51页 |
| 4.3.2 特征值的提取 | 第51-52页 |
| 4.4 模式匹配 | 第52-55页 |
| 4.4.1 识别方法简介 | 第52-53页 |
| 4.4.2 改进的由粗到细的识别方法 | 第53-55页 |
| 4.5 实验结果及性能分析 | 第55-62页 |
| 4.5.1 虹膜图像库 | 第55-57页 |
| 4.5.2 实验数据 | 第57页 |
| 4.5.3 虹膜识别的实验结果及分析 | 第57-62页 |
| 4.6 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |