虹膜识别关键问题的研究与实现
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 虹膜识别技术概述 | 第11-13页 |
| 1.2.1 虹膜构造特征 | 第11-12页 |
| 1.2.2 虹膜识别技术研究现状 | 第12-13页 |
| 1.3 虹膜识别中存在的问题 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第二章 虹膜识别系统综述 | 第15-25页 |
| 2.1 虹膜识别系统工作流程 | 第15-17页 |
| 2.2 虹膜采集装置 | 第17-20页 |
| 2.3 虹膜图像库 | 第20-22页 |
| 2.4 系统性能指标评价 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 虹膜图像质量评价 | 第25-45页 |
| 3.1 质量评价背景介绍 | 第25页 |
| 3.2 质量评价流程 | 第25-26页 |
| 3.3 虹膜图像质量粗评价 | 第26-31页 |
| 3.3.1 图像清晰度检测 | 第26-27页 |
| 3.3.2 睁眼程度检测 | 第27-31页 |
| 3.4 虹膜图像质量精评价 | 第31-38页 |
| 3.4.1 虹膜清晰度检测 | 第31-32页 |
| 3.4.2 瞳孔偏移度检测 | 第32-33页 |
| 3.4.3 遮挡物检测 | 第33-38页 |
| 3.5 基于SMO图像质量分类 | 第38-43页 |
| 3.5.1 SVM介绍 | 第38-41页 |
| 3.5.2 SMO算法原理 | 第41-42页 |
| 3.5.3 基于SMO的多指标融合 | 第42页 |
| 3.5.4 分类器的设置 | 第42-43页 |
| 3.6 图像均衡化处理 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 虹膜边界定位 | 第45-53页 |
| 4.1 经典定位算法介绍 | 第45-48页 |
| 4.1.1 微积分定位算法 | 第45-46页 |
| 4.1.2 灰度梯度变化法 | 第46页 |
| 4.1.3 Hough圆定位法 | 第46-47页 |
| 4.1.4 基于水平集模型定位法 | 第47-48页 |
| 4.2 传统算法的分析比较 | 第48页 |
| 4.3 虹膜内边界定位 | 第48-49页 |
| 4.4 虹膜外边界定位 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 实验结果及分析 | 第53-59页 |
| 5.1 实验数据库 | 第53页 |
| 5.2 虹膜识别后续流程简介 | 第53-56页 |
| 5.2.1 图像归一化及图像增强 | 第53-55页 |
| 5.2.2 特征提取及匹配 | 第55-56页 |
| 5.3 相关实验分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 下一步工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
