虹膜图像的特征分析研究
| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-35页 |
| ·课题背景及意义 | 第15-16页 |
| ·生物特征识别技术简介 | 第16-24页 |
| ·人体生物特征及其分类 | 第16-20页 |
| ·生物特征识别技术评价标准 | 第20-21页 |
| ·生物特征识别技术的应用 | 第21-23页 |
| ·多种生物特征识别技术的融合 | 第23-24页 |
| ·虹膜识别技术回顾 | 第24-27页 |
| ·虹膜诊断学 | 第27-30页 |
| ·虹膜诊断的研究现状 | 第30-32页 |
| ·本论文研究的主要内容 | 第32-35页 |
| ·课题来源 | 第32页 |
| ·研究内容 | 第32-35页 |
| 第2章 虹膜图像的预处理 | 第35-51页 |
| ·引言 | 第35-36页 |
| ·虹膜的生理特点 | 第36-37页 |
| ·虹膜识别系统组成 | 第37-39页 |
| ·图像预处理模块 | 第37-39页 |
| ·特征提取模块 | 第39页 |
| ·分类器 | 第39页 |
| ·传统的虹膜定位方法 | 第39-41页 |
| ·虹膜定位算法 | 第41-47页 |
| ·虹膜粗定位 | 第41-43页 |
| ·瞳孔的细定位 | 第43-44页 |
| ·虹膜外边缘的定位 | 第44-45页 |
| ·实验结果及分析 | 第45-47页 |
| ·虹膜归一化 | 第47-48页 |
| ·虹膜图像增强 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第3章 基于分形计盒维数的虹膜粗分类 | 第51-67页 |
| ·引言 | 第51页 |
| ·分形介绍 | 第51-55页 |
| ·分形理论的基本概念 | 第52-53页 |
| ·分形方法用于图像处理 | 第53-54页 |
| ·计盒维数法 | 第54-55页 |
| ·虹膜的粗分类算法 | 第55-59页 |
| ·虹膜的预处理 | 第55-56页 |
| ·双阈值法用于虹膜分类 | 第56-58页 |
| ·BP 神经网络用于虹膜分类 | 第58-59页 |
| ·实验结果 | 第59-66页 |
| ·虹膜库 | 第59页 |
| ·双阈值分类结果 | 第59-64页 |
| ·BP 神经网络分类结果 | 第64页 |
| ·比较和讨论 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第4章 基于关键点之间相对距离的虹膜识别 | 第67-85页 |
| ·引言 | 第67页 |
| ·基于细节的识别方法 | 第67-69页 |
| ·向量内积 | 第69-71页 |
| ·关键点的提取和相对距离的计算 | 第71-77页 |
| ·多通道Gabor 滤波器 | 第71-72页 |
| ·提取虹膜图像特征关键点 | 第72-75页 |
| ·相对距离的计算 | 第75-76页 |
| ·相似度描述和虹膜的分类 | 第76-77页 |
| ·实验结果 | 第77-83页 |
| ·虹膜验证 | 第77-82页 |
| ·虹膜识别 | 第82-83页 |
| ·比较和讨论 | 第83页 |
| ·本章小结 | 第83-85页 |
| 第5章 基于改进Snake 模型的虹膜卷缩轮提取 | 第85-100页 |
| ·引言 | 第85页 |
| ·虹膜诊断中的结构特征 | 第85-88页 |
| ·虹膜卷缩轮简介 | 第88页 |
| ·传统Snake 模型 | 第88-89页 |
| ·基于二阶优化算法的改进Snake 模型 | 第89-94页 |
| ·第一阶优化算法 | 第89-90页 |
| ·第二阶优化算法 | 第90-94页 |
| ·实验结果 | 第94-98页 |
| ·本章小结 | 第98-100页 |
| 结论 | 第100-102页 |
| 参考文献 | 第102-112页 |
| 攻读学位期间发表的学术论文 | 第112-114页 |
| 哈尔滨工业大学博士学位论文原创性声明 | 第114-115页 |
| 致谢 | 第115-116页 |
| 个人简历 | 第116页 |
