| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究的目的和意义 | 第10-12页 |
| ·自然光虹膜识别研究现状 | 第12-15页 |
| ·论文主要内容和结构安排 | 第15-16页 |
| 第2章 自然光虹膜图像增强与识别 | 第16-41页 |
| ·传统的自然光虹膜图像增强算法 | 第16-21页 |
| ·直方图均衡化增强 | 第16-18页 |
| ·Retinex增强 | 第18-20页 |
| ·其他虹膜图像增强方法 | 第20-21页 |
| ·非线性变换和多尺度高斯卷积自然光虹膜图像增强算法 | 第21-24页 |
| ·颜色空间的转换 | 第22页 |
| ·亮度增强 | 第22-23页 |
| ·对比度增强 | 第23-24页 |
| ·自然光虹膜图像增强实验效果 | 第24-30页 |
| ·实验数据库构成 | 第24-26页 |
| ·分块大小及高斯卷积参数选择 | 第26-27页 |
| ·算法的增强效果 | 第27-30页 |
| ·自然光虹膜识别 | 第30-39页 |
| ·虹膜定位 | 第31-34页 |
| ·虹膜归一化 | 第34-36页 |
| ·基于 2D-Gabor滤波的纹理特征提取 | 第36-38页 |
| ·特征匹配 | 第38页 |
| ·识别结果 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第3章 多幅自然光虹膜图像融合增强 | 第41-54页 |
| ·多幅自然光图像融合算法流程 | 第41-42页 |
| ·虹膜图像分割与配准 | 第42-48页 |
| ·虹膜图像定位与分割 | 第42页 |
| ·特征点检测 | 第42-46页 |
| ·寻找特征点对 | 第46页 |
| ·图像配准 | 第46-48页 |
| ·基于形态滤波的小波融合图像增强算法 | 第48-51页 |
| ·融合后效果评价 | 第51-53页 |
| ·图像质量评价 | 第51-52页 |
| ·识别效果评价 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 自然光虹膜图像颜色与纹理融合识别 | 第54-63页 |
| ·算法整体流程 | 第54-55页 |
| ·基于颜色信息对虹膜进行分类 | 第55-59页 |
| ·六种颜色空间介绍 | 第55-57页 |
| ·颜色特征提取 | 第57-58页 |
| ·基于RGB的一级分类器 | 第58页 |
| ·基于多个颜色空间进行二级分类 | 第58-59页 |
| ·颜色特征与纹理特征匹配级融合识别 | 第59-61页 |
| ·融合识别结果 | 第61页 |
| ·本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·全文总结 | 第63-64页 |
| ·研究展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间的学术成果 | 第70-71页 |
| 致谢 | 第71页 |