| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 生物特征识别简介 | 第11-14页 |
| 1.1.1 生物特征识别概述 | 第11-12页 |
| 1.1.2 几种生物识别技术的比较 | 第12-14页 |
| 1.2 虹膜识别简介 | 第14-17页 |
| 1.2.1 虹膜识别生理结构 | 第14-15页 |
| 1.2.2 虹膜识别原理 | 第15-17页 |
| 1.3 虹膜识别发展及现状 | 第17-19页 |
| 1.3.1 国外虹膜识别技术的发展及现状 | 第17-18页 |
| 1.3.2 国内虹膜识别技术的发展及现状 | 第18页 |
| 1.3.3 虹膜识别技术的实际应用 | 第18-19页 |
| 1.4 论文的主要研究内容和结构安排 | 第19-21页 |
| 第2章 虹膜识别经典算法的对比研究 | 第21-37页 |
| 2.1 虹膜定位算法 | 第21-26页 |
| 2.1.1 Daugman基于微积分的虹膜边界定位算法 | 第21-22页 |
| 2.1.2 Wilds基于投票机制的虹膜边界定位算法 | 第22-24页 |
| 2.1.3 中科院基于最小二乘法的虹膜边界定位算法 | 第24-25页 |
| 2.1.4 经典算法比较分析 | 第25-26页 |
| 2.2 虹膜图像特征提取与特征匹配算法 | 第26-35页 |
| 2.2.1 Daugman基于二维Gabor滤波的特征提取算法 | 第26-28页 |
| 2.2.2 Wilds基于图像匹配的识别算法 | 第28-30页 |
| 2.2.3 小波变换 | 第30-35页 |
| 2.2.3.1 小波变换的定义 | 第30-31页 |
| 2.2.3.2 多分辨率分析 | 第31-32页 |
| 2.2.3.3 Mallat塔式分解法 | 第32-33页 |
| 2.2.3.4 Haar小波 | 第33-35页 |
| 2.3 本章小结 | 第35-37页 |
| 第3章 虹膜图像预处理 | 第37-53页 |
| 3.1 虹膜图像的采集 | 第37-38页 |
| 3.1.1 J.G.Daugman虹膜图像采集设备 | 第37-38页 |
| 3.1.2 R.P.Wildes虹膜图像采集设备 | 第38页 |
| 3.1.3 中科院自动化研究所的虹膜图像采集设备 | 第38页 |
| 3.2 虹膜图像预处理 | 第38-50页 |
| 3.2.1 虹膜图像质量评估 | 第39页 |
| 3.2.2 虹膜图像区域分割 | 第39-46页 |
| 3.2.2.1 虹膜图像内边界定位 | 第39-44页 |
| 3.2.2.2 虹膜图像外边界定位 | 第44-46页 |
| 3.2.3 虹膜图像去噪 | 第46页 |
| 3.2.4 虹膜图像归一化 | 第46-48页 |
| 3.2.5 虹膜图像增强 | 第48-50页 |
| 3.3 实验结果分析 | 第50-51页 |
| 3.3.1 实验数据库简介 | 第50页 |
| 3.3.2 虹膜图像定位算法测试 | 第50-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第4章 虹膜图像的特征提取及匹配 | 第53-69页 |
| 4.1 基于二维Haar小波变换的虹膜特征提取 | 第53-56页 |
| 4.1.1 基于二维Haar变换的图像分解 | 第53-54页 |
| 4.1.2 基于图像区域分割的二维Haar小波变换的虹膜特征表示 | 第54-56页 |
| 4.2 虹膜特征编码及匹配 | 第56-57页 |
| 4.2.1 虹膜特征编码 | 第56页 |
| 4.2.2 虹膜特征匹配 | 第56-57页 |
| 4.3 实验与结果分析 | 第57-60页 |
| 4.3.1 实验指标及参数 | 第57-58页 |
| 4.3.2 实验设计方案 | 第58-60页 |
| 4.4 算法改进 | 第60-64页 |
| 4.4.1 虹膜特征提取算法改进 | 第60-62页 |
| 4.4.2 实验结果分析 | 第62-64页 |
| 4.5 改进算法的优化 | 第64-66页 |
| 4.5.1 改进算法优化的方法步骤 | 第64-65页 |
| 4.5.2 实验结果分析 | 第65-66页 |
| 4.6 特征识别算法的对比 | 第66-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-73页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 基于虹膜识别技术的武器装备管理系统的设想 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
