| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 生物特征识别技术 | 第12-15页 |
| 1.3 虹膜识别技术国内外研究及发展现状 | 第15-18页 |
| 1.4 虹膜识别的基本原理 | 第18-20页 |
| 1.4.1 虹膜的结构和生物特征 | 第18-19页 |
| 1.4.2 虹膜识别的主要步骤 | 第19-20页 |
| 1.5 本课题的主要目的及本论文完成的主要工作 | 第20-21页 |
| 1.5.1 主要目的 | 第20页 |
| 1.5.2 论文完成的主要工作 | 第20-21页 |
| 第2章 传统的与新兴的边缘检测 | 第21-35页 |
| 2.1 引言 | 第21-22页 |
| 2.2 传统边缘检测方法 | 第22-31页 |
| 2.2.1 差分算法 | 第22-23页 |
| 2.2.2 Roberts算法 | 第23-24页 |
| 2.2.3 Sobel算法 | 第24-26页 |
| 2.2.4 Prewitt算法 | 第26-27页 |
| 2.2.5 Kirisch和Robinson算法 | 第27-28页 |
| 2.2.6 零交叉(LOG)算法 | 第28-30页 |
| 2.2.7 Hough圆检测 | 第30-31页 |
| 2.3 新兴边缘检测方法 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于SOBEL边缘检测的虹膜定位算法 | 第35-55页 |
| 3.1 典型的虹膜定位算法 | 第35-45页 |
| 3.1.1 Daugman的圆模板匹配法 | 第35-38页 |
| 3.1.2 Wildes基于Hough变换的定位方法 | 第38-39页 |
| 3.1.3 谭铁牛等的最小二乘拟合方法 | 第39-42页 |
| 3.1.4 基于二维小波变换虹膜定位 | 第42-45页 |
| 3.2 基于sobel边缘检测的虹膜定位算法的改进 | 第45-50页 |
| 3.2.1 sobel算法基本原理 | 第45-46页 |
| 3.2.2 搜索范围确定 | 第46-47页 |
| 3.2.3 只进行圆检测 | 第47-49页 |
| 3.2.4 实验结论与分析 | 第49-50页 |
| 3.3 虹膜图像归一化及增强 | 第50-55页 |
| 3.3.1 虹膜图像归一化 | 第50-52页 |
| 3.3.2 双线性插值 | 第52-53页 |
| 3.3.3 虹膜图像增强一直方图均衡化 | 第53-54页 |
| 3.3.4 本文算法创新点 | 第54-55页 |
| 第4章 基于3D曲面匹配的虹膜识别算法 | 第55-75页 |
| 4.1 经典虹膜匹配算法简介 | 第55-59页 |
| 4.1.1 海明距离的计算 | 第56-58页 |
| 4.1.2 阈值的选取 | 第58-59页 |
| 4.2 滤波器 | 第59-63页 |
| 4.2.1 Gabor滤波器 | 第59-60页 |
| 4.2.2 多通道Gabor滤波器 | 第60-62页 |
| 4.2.3 基于复值的二维Gabor滤波器 | 第62页 |
| 4.2.4 基于一维LOG-Gabor滤波器 | 第62-63页 |
| 4.3 虹膜纹理的相位编码及匹配 | 第63-65页 |
| 4.3.1 Daugman编码方法 | 第63页 |
| 4.3.2 虹膜纹理的相位编码 | 第63-64页 |
| 4.3.3 编码识别 | 第64-65页 |
| 4.4 虹膜曲面匹配原理 | 第65-70页 |
| 4.4.1 灰度色彩模式 | 第65页 |
| 4.4.2 虹膜图像的灰度曲面 | 第65-66页 |
| 4.4.3 曲面匹配简介 | 第66-67页 |
| 4.4.4 通用的曲面匹配算法 | 第67-68页 |
| 4.4.5 虹膜特征曲面分析 | 第68-70页 |
| 4.5 虹膜曲面匹配实现 | 第70-71页 |
| 4.6 旋转矫正 | 第71-73页 |
| 4.7 测试结果及分析 | 第73-74页 |
| 4.8 结论 | 第74-75页 |
| 第5章 结论与展望 | 第75-77页 |
| 5.1 本文工作总结 | 第75页 |
| 5.2 未来工作展望 | 第75-77页 |
| 参考文献 | 第77-85页 |
| 致谢 | 第85-87页 |
| 作者攻读硕士学位期间发表的论文及获奖情况 | 第87页 |