虹膜识别的预处理算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·生物识别技术简介 | 第10-15页 |
| ·生物识别技术的发展 | 第11页 |
| ·生物识别技术的原理 | 第11-12页 |
| ·几种生物识别技术比较 | 第12-15页 |
| ·虹膜识别技术 | 第12-13页 |
| ·指纹识别技术 | 第13-14页 |
| ·视网膜识别技术 | 第14页 |
| ·面部识别技术 | 第14页 |
| ·语音识别技术 | 第14-15页 |
| ·虹膜识别技术简介 | 第15-18页 |
| ·虹膜识别技术的发展 | 第15-16页 |
| ·虹膜识别技术的原理 | 第16-18页 |
| ·本论文所完成的工作 | 第18-20页 |
| ·课题来源与研究意义 | 第18页 |
| ·研究内容 | 第18页 |
| ·本文创新 | 第18页 |
| ·章节安排 | 第18-20页 |
| 第二章 虹膜识别系统的介绍 | 第20-27页 |
| ·虹膜识别的理论基础 | 第20-22页 |
| ·图像处理 | 第20-21页 |
| ·模式识别 | 第21-22页 |
| ·现有的虹膜识别系统的研究比较 | 第22-23页 |
| ·Daugman 的虹膜识别系统 | 第22页 |
| ·Wilders 的虹膜识别系统 | 第22页 |
| ·中科院的虹膜识别系统 | 第22-23页 |
| ·本课题的虹膜识别系统介绍 | 第23-26页 |
| ·硬件实现部分 | 第24-25页 |
| ·软件实现部分 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 虹膜图像质量评估的算法研究 | 第27-55页 |
| ·图像质量评价的理论 | 第27-28页 |
| ·质量评价方法简介 | 第27-28页 |
| ·基于人眼视觉特性的质量评价方法 | 第28页 |
| ·现有虹膜图像质量评价方法及分析 | 第28-35页 |
| ·频域分析法 | 第29-31页 |
| ·小波分析法 | 第31-33页 |
| ·空域分析法 | 第33-35页 |
| ·虹膜质量评价算法研究 | 第35-54页 |
| ·基于空域灰度特征的图像质量评估 | 第36-50页 |
| ·明亮度判断 | 第36-37页 |
| ·清晰度判断 | 第37-43页 |
| ·眼球动态性评估 | 第43-45页 |
| ·噪声的判断 | 第45-50页 |
| ·基于小波变换的图像质量评估 | 第50-53页 |
| ·图像的小波分解 | 第50-51页 |
| ·小波分解的系数特性 | 第51-52页 |
| ·小波分解的高频系数判断睫毛遮挡 | 第52-53页 |
| ·实验分析 | 第53-54页 |
| ·实验样本 | 第53页 |
| ·实验结果分析 | 第53页 |
| ·结论 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第四章 虹膜定位的算法研究 | 第55-74页 |
| ·相关方法研究分析 | 第55-62页 |
| ·Daugman 的定位算法 | 第56页 |
| ·Wilders 的定位算法 | 第56-57页 |
| ·王蕴红等的算法 | 第57-61页 |
| ·其它的算法 | 第61-62页 |
| ·虹膜定位 | 第62-69页 |
| ·内边界定位 | 第64-66页 |
| ·外边界定位 | 第66-69页 |
| ·实验结果与分析 | 第69-72页 |
| ·实验样本 | 第69-70页 |
| ·高质量的图像样本 | 第70页 |
| ·一般质量的图像样本 | 第70页 |
| ·实验结果 | 第70-71页 |
| ·实验分析 | 第71-72页 |
| ·小结 | 第72-74页 |
| 第五章 实时虹膜图像预处理算法的实现及分析 | 第74-84页 |
| ·算法原理和步骤 | 第75-77页 |
| ·算法的实现及分析 | 第77-82页 |
| ·算法准则 | 第77-79页 |
| ·实验结果 | 第79-81页 |
| ·实验分析 | 第81-82页 |
| ·不同对象的实验分析 | 第81页 |
| ·同一对象的实验分析 | 第81-82页 |
| ·结论 | 第82-83页 |
| ·实验对象 | 第82页 |
| ·实验结论 | 第82-83页 |
| ·小结 | 第83-84页 |
| 第六章 工作总结与展望 | 第84-86页 |
| ·总结 | 第84页 |
| ·展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
