虹膜识别算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 虹膜识别技术简介 | 第9-10页 |
| 1.3 虹膜数据库 | 第10-12页 |
| 1.3.1 CASIA虹膜图像数据库 | 第10-11页 |
| 1.3.2 MMU虹膜图像数据库 | 第11-12页 |
| 1.3.3 UBIRS虹膜图像数据库 | 第12页 |
| 1.4 虹膜识别研究现状 | 第12-13页 |
| 1.5 主要研究内容 | 第13-14页 |
| 1.6 本文结构安排 | 第14-17页 |
| 2 虹膜识别系统概述 | 第17-23页 |
| 2.1 虹膜识别技术 | 第17页 |
| 2.2 虹膜识别系统的基本结构 | 第17-19页 |
| 2.2.1 虹膜图像的采集 | 第17-18页 |
| 2.2.2 虹膜图像的质量评价 | 第18页 |
| 2.2.3 虹膜图像预处理 | 第18页 |
| 2.2.4 虹膜图像特征提取与编码 | 第18-19页 |
| 2.2.5 虹膜特征匹配 | 第19页 |
| 2.3 虹膜识别系统的性能指标 | 第19-21页 |
| 2.4 小结 | 第21-23页 |
| 3 虹膜定位 | 第23-39页 |
| 3.1 Daugman的虹膜定位算法 | 第23-24页 |
| 3.2 Wildes的虹膜定位算法 | 第24-25页 |
| 3.3 中科院自动化研究所的虹膜定位算法 | 第25页 |
| 3.4 其它的虹膜定位分割算法 | 第25-26页 |
| 3.5 基于模拟退火遗传算法的虹膜定位分割算法 | 第26-35页 |
| 3.5.1 模拟退火遗传算法 | 第26-28页 |
| 3.5.2 虹膜内边缘粗定位 | 第28-30页 |
| 3.5.3 选定边缘点 | 第30-31页 |
| 3.5.4 使用模拟退火遗传算法精定位虹膜内边缘 | 第31页 |
| 3.5.5 基于模拟退火遗传算法的虹膜外定位 | 第31-33页 |
| 3.5.6 基于模拟退火遗传算法的虹膜外定位 | 第33页 |
| 3.5.7 实验结果 | 第33-35页 |
| 3.6 虹膜图像归一化 | 第35-37页 |
| 3.6.1 弹性模型 | 第35-36页 |
| 3.6.2 双线性插值 | 第36-37页 |
| 3.7 归一化虹膜图像的增强 | 第37-38页 |
| 3.8 小结 | 第38-39页 |
| 4 虹膜区域特征提取 | 第39-51页 |
| 4.1 传统的特征提取方法 | 第39-40页 |
| 4.1.1 基于相位的特征分析 | 第39页 |
| 4.1.2 基于纹理的特征分析 | 第39-40页 |
| 4.1.3 基于小波过零检测的特征分析 | 第40页 |
| 4.2 基于差分计盒维数与缺项的特征提取方法 | 第40-49页 |
| 4.2.1 差分计盒维数理论基础 | 第41-42页 |
| 4.2.2 缺项的计算 | 第42-43页 |
| 4.2.3 特征提取 | 第43-46页 |
| 4.2.4 实验结果 | 第46-49页 |
| 4.3 总结 | 第49-51页 |
| 5.特征匹配与识别 | 第51-59页 |
| 5.1 海明距离(HD) | 第51-52页 |
| 5.2 支持向量机(SVM) | 第52-53页 |
| 5.3 基于SVM和Hamming距离的模式匹配 | 第53-54页 |
| 5.4 虹膜识别系统界面显示 | 第54-57页 |
| 5.5 小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 作者攻读学位期间发表论文清单 | 第67-69页 |
| 致谢 | 第69页 |
