虹膜识别算法的研究与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-19页 |
| ·虹膜识别的研究背景和意义 | 第13页 |
| ·虹膜的物理结构及特点 | 第13-14页 |
| ·虹膜识别系统的应用及现状 | 第14-15页 |
| ·虹膜识别系统的工作原理 | 第15-17页 |
| ·论文结构及主要研究内容 | 第17-19页 |
| 第2章 小波变换理论和蚁群算法理论 | 第19-33页 |
| ·小波变换的基本理论知识 | 第19-23页 |
| ·小波变换的概念简介 | 第19-20页 |
| ·二进小波变换 | 第20-21页 |
| ·多分辨特性 | 第21-22页 |
| ·图像的小波分解与重构 | 第22-23页 |
| ·蚁群算法的机理分析 | 第23-25页 |
| ·蚁群算法的特点 | 第25页 |
| ·简单蚁群算法描述及收敛性 | 第25-30页 |
| ·简单蚁群算法(SAA)的描述 | 第25-27页 |
| ·蚁群算法的收敛特性 | 第27-30页 |
| ·本章小结 | 第30-33页 |
| 第3章 基于膨胀和小波分析的睫毛干扰抑制算法 | 第33-45页 |
| ·形态学理论 | 第33-34页 |
| ·形态学理论 | 第33-34页 |
| ·膨胀计算过程示意图 | 第34页 |
| ·小波去噪 | 第34-37页 |
| ·小波基函数的选取 | 第34-35页 |
| ·小波阈值去噪 | 第35-36页 |
| ·常用的阈值确定方法 | 第36页 |
| ·常用的阈值函数 | 第36-37页 |
| ·基于膨胀运算和小波分析的睫毛干扰抑制算法 | 第37-40页 |
| ·实验结果与讨论 | 第40-43页 |
| ·结论 | 第43-45页 |
| 第4章 基于蚁群和HOUGH变换的虹膜定位算法 | 第45-55页 |
| ·边缘的梯度响应 | 第45-47页 |
| ·蚁群算法 | 第47-49页 |
| ·本文采用的蚁群算法思想 | 第47-49页 |
| ·HOUGH变换 | 第49页 |
| ·基于蚁群和HOUGH变换的虹膜定位算法 | 第49-53页 |
| ·实验结果与分析 | 第53-55页 |
| 第5章 基于局部灰度极小值点的虹膜识别算法 | 第55-69页 |
| ·虹膜图像的预处理 | 第55-56页 |
| ·归一化 | 第56页 |
| ·图像增强 | 第56-60页 |
| ·全局直方图均衡化 | 第57-58页 |
| ·局部直方图均衡化 | 第58-59页 |
| ·基于直方图均衡化的增强算法 | 第59-60页 |
| ·局部灰度极小值点的提取及编码 | 第60-63页 |
| ·局部灰度极小值点的提取 | 第60-61页 |
| ·局部灰度极小值点的编码 | 第61-63页 |
| ·图像匹配 | 第63-64页 |
| ·基于局部灰度极小值点的虹膜识别算法 | 第64-66页 |
| ·实验结果分析 | 第66-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-74页 |
| 作者简介及读研期间主要的科研成果 | 第74页 |
