| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 生物识别简介 | 第9页 |
| 1.2 虹膜识别技术简介 | 第9-13页 |
| 1.2.1 虹膜的生理结构与生物特征 | 第11-12页 |
| 1.2.2 虹膜识别系统的性能指标 | 第12-13页 |
| 1.3 虹膜识别技术研究现状与应用 | 第13-15页 |
| 1.3.1 虹膜识别技术研究现状 | 第13-14页 |
| 1.3.2 虹膜识别技术应用 | 第14-15页 |
| 1.4 主要研究内容及结构安排 | 第15-16页 |
| 第二章 虹膜数据库与虹膜识别原理 | 第16-25页 |
| 2.1 中国科学院CASIA虹膜数据库 | 第16-20页 |
| 2.2 虹膜支付原理 | 第20-23页 |
| 2.2.1 虹膜支付系统 | 第20-21页 |
| 2.2.2 虹膜识别原理 | 第21-23页 |
| 2.3 虹膜图像获取 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于边界梯度增强的边缘定位算法 | 第25-46页 |
| 3.1 虹膜图像的归一化 | 第25-27页 |
| 3.2 虹膜图像的增强 | 第27-29页 |
| 3.3 经典的虹膜定位算法介绍 | 第29-31页 |
| 3.3.1 Daugman的虹膜定位算法 | 第29-30页 |
| 3.3.2 Wildes的虹膜定位算法 | 第30-31页 |
| 3.4 基于灰度特征的虹膜定位算法 | 第31-39页 |
| 3.4.1 虹膜内边缘定位 | 第32-34页 |
| 3.4.2 虹膜外边界定位 | 第34-38页 |
| 3.4.3 最小二乘法圆拟合原理 | 第38-39页 |
| 3.5 相关实验及数据 | 第39-45页 |
| 3.5.1 实验数据库介绍 | 第39-40页 |
| 3.5.2 实验结果 | 第40-43页 |
| 3.5.3 结果分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于中心对称LBP算子的特征提取改进算法 | 第46-63页 |
| 4.1 传统的特征提取算法 | 第46-49页 |
| 4.1.1 基于二维Gabor滤波的特征提取算法 | 第46-47页 |
| 4.1.2 Wildes高斯拉普拉斯金字塔法 | 第47-48页 |
| 4.1.3 局部过零点检测的特征提取方法 | 第48-49页 |
| 4.2 基于中心对称 LBP 改进算子的特征提取 | 第49-57页 |
| 4.2.1 LBP算子概述 | 第49-53页 |
| 4.2.2 圆形LBP算子概述 | 第53-54页 |
| 4.2.3 基于中心对称LBP改进算子虹膜特征提取 | 第54-57页 |
| 4.3 虹膜图像的特征匹配 | 第57-58页 |
| 4.4 实验结果与分析 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A CASIA-IrisV4数据统计 | 第69-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间的研究成果 | 第71-72页 |