| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 论文的背景和意义 | 第12-13页 |
| 1.2 虹膜识别概述 | 第13-15页 |
| 1.3 虹膜识别发展历史 | 第15-16页 |
| 1.3.1 国内虹膜识别发展历史 | 第15页 |
| 1.3.2 国外虹膜识别发展历史 | 第15-16页 |
| 1.4 虹膜识别算法研究现状 | 第16-18页 |
| 1.5 论文主要研究内容和结构 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 第2章 虹膜图像预处理 | 第20-35页 |
| 2.1 虹膜图像库的建立 | 第20-25页 |
| 2.1.1 虹膜图像采集 | 第20-22页 |
| 2.1.2 虹膜图像质量评价 | 第22-24页 |
| 2.1.3 建立虹膜图像库 | 第24-25页 |
| 2.2 虹膜定位方法介绍 | 第25-31页 |
| 2.2.1 Canny算子轮廓提取 | 第25-29页 |
| 2.2.2 Hough虹膜内圆定位方法 | 第29-30页 |
| 2.2.3 虹膜外圆定位方法 | 第30-31页 |
| 2.3 虹膜图像归一化 | 第31-33页 |
| 2.3.1 传统归一化方法 | 第31-32页 |
| 2.3.2 基于ROI的归一化方法 | 第32-33页 |
| 2.4 虹膜图像增强 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 ICA/PCA虹膜特征提取 | 第35-44页 |
| 3.1 ICA虹膜特征提取 | 第35-41页 |
| 3.1.1 引言 | 第35-36页 |
| 3.1.2 ICA论模型 | 第36-37页 |
| 3.1.3 球化 | 第37-38页 |
| 3.1.4 ICA算法 | 第38-41页 |
| 3.2 ICA/PCA虹膜特征提取 | 第41-43页 |
| 3.2.1 PCA算法 | 第41-42页 |
| 3.2.2 PCA对ICA的改进 | 第42页 |
| 3.2.3 基于ROI归一化手段的ICA/PCA虹膜特征提取方法 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于仿生的虹膜分类方法 | 第44-58页 |
| 4.1 仿生模式识别理论基础 | 第44-52页 |
| 4.1.1 仿生模式识别与传统模式识别的区别 | 第44-45页 |
| 4.1.2 高维空间基本概念 | 第45-47页 |
| 4.1.3 同源连续性原则 | 第47-48页 |
| 4.1.4 拓扑模型与样本覆盖 | 第48-49页 |
| 4.1.5 传统高维空间分类方法 | 第49-51页 |
| 4.1.6 仿生模式识别 | 第51-52页 |
| 4.2 ICA/PCA虹膜识别方法中拓扑模型构造方法 | 第52-56页 |
| 4.2.1 余弦距分类器 | 第52-53页 |
| 4.2.2 ICA/PCA虹膜识别方法中拓扑模型构造过程 | 第53-55页 |
| 4.2.3 覆盖范围选择方法 | 第55-56页 |
| 4.3 仿生虹膜分类方法 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 实验设计与结果分析 | 第58-69页 |
| 5.1 系统性能指标定义 | 第58-60页 |
| 5.1.1 传统模式识别中性能指标的定义 | 第58-60页 |
| 5.1.2 仿生模式识别中性能指标的定义 | 第60页 |
| 5.2 ICA/PCA方法对虹膜图像旋转的敏感性测试实验 | 第60-61页 |
| 5.3 PCA主元向量选取依据实验 | 第61-62页 |
| 5.4 虹膜ROI选取实验 | 第62-64页 |
| 5.5 不同识别方法的对比实验 | 第64-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-72页 |
| 6.1 总结 | 第69-71页 |
| 6.2 展望 | 第71页 |
| 6.3 本章小结 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 作者简介及在学期间所取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |
