首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于小波变换的虹膜识别方法研究及DSP实现

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-20页
    1.1 生物特征识别和虹膜识别第11-15页
        1.1.1 生物特征识别第11-12页
        1.1.2 虹膜识别概述第12-15页
    1.2 虹膜识别技术的发展和现状第15-16页
        1.2.1 国外虹膜识别技术的发展第15页
        1.2.2 国内虹膜识别技术的发展第15-16页
    1.3 虹膜识别技术的实际应用第16-17页
    1.4 虹膜库简介第17-18页
    1.5 论文的主要研究内容和结构安排第18-20页
第2章 虹膜图像的预处理第20-32页
    2.1 虹膜图像质量评估算法第20-21页
    2.2 虹膜外边缘定位第21-24页
        2.2.1 Hough变换检测圆第21-22页
        2.2.2 基于Hough变换的虹膜外边缘检测第22-24页
    2.3 虹膜内边缘定位第24-27页
    2.4 虹膜归一化第27-29页
    2.5 虹膜图像增强第29-31页
    2.6 本章小结第31-32页
第3章 基于小波变换的特征提取及匹配第32-59页
    3.1 预备知识第32-39页
        3.1.1 小波变换概况第32页
        3.1.2 小波变换的数学定义第32-33页
        3.1.3 多分辨率分析第33-35页
        3.1.4 小波函数第35-37页
            3.1.4.1 Haar小波函数第35页
            3.1.4.2 Shannon小波函数第35-36页
            3.1.4.3 高斯小波函数第36页
            3.1.4.4 墨西哥小帽小波函数第36页
            3.1.4.5 Morlet小波函数第36-37页
        3.1.5 一维小波变换的Mallat算法第37-38页
        3.1.6 二维小波变换的Mallat算法第38-39页
    3.2 一维小波变换的特征提取第39-53页
        3.2.1 小波分解级数的选取第39-41页
        3.2.2 小波基的选取第41-42页
        3.2.3 虹膜识别中对噪声去除第42-43页
        3.2.4 解决旋转不变性的问题第43-44页
        3.2.5 虹膜编码及匹配第44-45页
        3.2.6 实验与结果分析第45-53页
            3.2.6.1 实验数据库简介第45页
            3.2.6.2 实验指标第45-46页
            3.2.6.3 实验数据分析第46-53页
    3.3 二维小波变换的特征提取第53-58页
        3.3.1 图像的二维小波分解第53页
        3.3.2 虹膜的特征表示第53-54页
        3.3.3 分类器的设计第54-55页
        3.3.4 实验与结果分析第55-58页
            3.3.4.1 分解级数及小波基的选取第55-56页
            3.3.4.2 总体测试结果第56-58页
    3.4 本章小结第58-59页
第4章 虹膜识别算法在DSP系统上的实现第59-73页
    4.1 DSP硬件平台简介第59-60页
    4.2 从matlab到CCS的移植过程第60-64页
        4.2.1 matlab平台到VC平台需要注意的几点第60-62页
            4.2.1.1 matlab语法与C语言语法第61-62页
        4.2.2 标准C语言移植到CCS中需要注意的几点第62-64页
            4.2.2.1 C语言移植过程中编译器平台相关的数据类型之间的差别第62页
            4.2.2.2 编译器平台相关的序的问题第62页
            4.2.2.3 系统性能分析第62-63页
            4.2.2.4 存储器的配置第63-64页
    4.3 CCS环境下的程序优化第64-72页
        4.3.1 CCS3.3简介及CCS的优化选项第64-66页
            4.3.1.1 CCS3.3简介第64-65页
            4.3.1.2 CCS的优化选项第65-66页
        4.3.2 虹膜识别算法优化第66-70页
            4.3.2.1 存储器相关性的分析第67-68页
            4.3.2.2 C语言优化第68-69页
            4.3.2.3 线性汇编第69-70页
        4.3.3 优化结果及性能分析第70-72页
            4.3.3.1 定位性能测试第70页
            4.3.3.2 识别率的测试第70-71页
            4.3.3.3 部分虹膜识别函数优化对比第71-72页
    4.4 本章小结第72-73页
第5章 总结与展望第73-75页
参考文献第75-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:不同冷轧量下高硅钢形变与再结晶织构研究
下一篇:基于KICA与SVM的故障检测与诊断的研究