| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-35页 |
| §1.1 生物特征识别 | 第11-18页 |
| §1.1.1 非生物特征身份鉴别方法 | 第11-12页 |
| §1.1.2 生物特征识别技术的提出 | 第12-13页 |
| §1.1.3 研究生物特征识别技术的意义 | 第13-14页 |
| §1.1.4 现有的生物特征识别技术 | 第14-18页 |
| §1.2 虹膜识别研究 | 第18-31页 |
| §1.2.1 虹膜识别的机理 | 第18-24页 |
| §1.2.2 虹膜识别技术的发展 | 第24-25页 |
| §1.2.3 虹膜识别应用 | 第25-26页 |
| §1.2.4 虹膜识别算法研究现状 | 第26-31页 |
| §1.3 虹膜识别存在的问题 | 第31-33页 |
| §1.3.1 虹膜识别亟需解决的问题 | 第31-32页 |
| §1.3.2 不完美虹膜识别问题的提出 | 第32-33页 |
| §1.4 本文研究的内容 | 第33-35页 |
| 第二章 虹膜边界定位和干扰检测 | 第35-64页 |
| §2.1 边缘提取 | 第36-38页 |
| §2.2 基于Hough变换的虹膜边界快速定位算法 | 第38-47页 |
| §2.2.1 Hough变换原理 | 第39-40页 |
| §2.2.2 由瞳孔位置确定处理图像大小 | 第40-44页 |
| §2.2.3 基于Hough变换的虹膜边界快速定位算法 | 第44-47页 |
| §2.2.4 仿真研究 | 第47页 |
| §2.3 基于微积分的虹膜边界快速定位算法 | 第47-54页 |
| §2.3.1 微积分定位边界原理 | 第48-49页 |
| §2.3.2 局部梯度极值的检测和消除 | 第49-51页 |
| §2.3.3 基于微积分的虹膜边界快速定位算法 | 第51-53页 |
| §2.3.4 仿真研究 | 第53-54页 |
| §2.4 干扰检测 | 第54-62页 |
| §2.4.1 采用分段直线定位上、下眼皮轮廓 | 第55-58页 |
| §2.4.2 对眼皮阴影的估计 | 第58-59页 |
| §2.4.3 基于虹膜区域灰度均值对睫毛检测 | 第59-60页 |
| §2.4.4 对光源像点的检测 | 第60-61页 |
| §2.4.5 仿真研究 | 第61-62页 |
| §2.5 虹膜图像质量评价 | 第62-63页 |
| §2.5.1 虹膜图像质量评价 | 第62页 |
| §2.5.2 虹膜活体检测 | 第62-63页 |
| §2.6 本章小结 | 第63-64页 |
| 第三章 虹膜区域规范化 | 第64-76页 |
| §3.1 引言 | 第64-67页 |
| §3.1.1 平移 | 第65页 |
| §3.1.2 旋转 | 第65-66页 |
| §3.1.3 伸缩 | 第66页 |
| §3.1.4 分辨率 | 第66-67页 |
| §3.2 虹膜规范化处理 | 第67-72页 |
| §3.2.1 弹性模型 | 第67-68页 |
| §3.2.2 虹膜边界的表示 | 第68-69页 |
| §3.2.3 虹膜区域的表示 | 第69-70页 |
| §3.2.4 虹膜区域规范化 | 第70-72页 |
| §3.3 虹膜区域分辨率的确定 | 第72-74页 |
| §3.3.1 低分辨特征一致原则 | 第72-73页 |
| §3.3.2 分辨率确定 | 第73-74页 |
| §3.4 实验及结果分析 | 第74-75页 |
| §3.5 本章小结 | 第75-76页 |
| 第四章 基于局部过零检测的虹膜特征提取算法 | 第76-90页 |
| §4.1 局部过零检测方法的提出 | 第76-79页 |
| §4.2 基于局部过零检测的虹膜特征提取算法 | 第79-82页 |
| §4.2.1 构造过零检测算子 | 第79-81页 |
| §4.2.2 基于局部过零检测的虹膜特征提取算法 | 第81-82页 |
| §4.3 仿真研究 | 第82-88页 |
| §4.3.1 对纹理稳定特征表示 | 第82-84页 |
| §4.3.2 虹膜的分类 | 第84-85页 |
| §4.3.3 算法比较 | 第85-88页 |
| §4.4 本章小结 | 第88-90页 |
| 第五章 分类算法及分类阈值确定 | 第90-104页 |
| §5.1 分类算法 | 第90-94页 |
| §5.1.1 矩阵相似性 | 第91-92页 |
| §5.1.2 去除干扰影响的相似度计算 | 第92页 |
| §5.1.3 利用相似度进行配准 | 第92-93页 |
| §5.1.4 相似度的归一化 | 第93-94页 |
| §5.2 分类阈值的确定方法 | 第94-101页 |
| §5.2.1 基于马氏距离确定分类阈值 | 第95-97页 |
| §5.2.2 基于最小风险确定分类阈值 | 第97-100页 |
| §5.2.3 分类阈值的自适应调整方法 | 第100-101页 |
| §5.3 仿真研究 | 第101-103页 |
| §5.4 本章小结 | 第103-104页 |
| 第六章 测试分析、参数优化与原理实现 | 第104-123页 |
| §6.1 数据库 | 第104-107页 |
| §6.1.1 数据库建立的方法 | 第104-105页 |
| §6.1.2 本论文采用的数据库 | 第105-107页 |
| §6.2 测试分析和参数优化 | 第107-121页 |
| §6.2.1 移位比较次数对分类的影响 | 第107-112页 |
| §6.2.2 滤波器大小和过零检测算子尺度对分类的影响 | 第112-114页 |
| §6.2.3 干扰破坏区域对分类的影响 | 第114-117页 |
| §6.2.4 信息不全的程度对分类的影响 | 第117-119页 |
| §6.2.5 不同数据库对算法测试 | 第119-121页 |
| §6.3 原理实现 | 第121-122页 |
| §6.3.1 虹膜身份注册系统 | 第121-122页 |
| §6.3.2 虹膜识别认证系统 | 第122页 |
| §6.4 本章小结 | 第122-123页 |
| 第七章 总结与展望 | 第123-126页 |
| §7.1 本文工作总结 | 第123-125页 |
| §7.2 工作展望 | 第125-126页 |
| 参考文献 | 第126-136页 |
| 作者发表或录用的论文以及参加的科研项目 | 第136-138页 |
| 致谢 | 第138-139页 |
