基于显式形状回归的虹膜图像分割算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 虹膜识别研究现状 | 第12-16页 |
| 1.2.1 虹膜图像采集 | 第12-13页 |
| 1.2.2 虹膜图像分割 | 第13-14页 |
| 1.2.3 虹膜归一化 | 第14-15页 |
| 1.2.4 虹膜特征提取 | 第15页 |
| 1.2.5 虹膜特征匹配 | 第15-16页 |
| 1.3 虹膜识别研究面临的挑战 | 第16-17页 |
| 1.4 本文结构 | 第17-19页 |
| 第2章 虹膜图像分割经典算法 | 第19-27页 |
| 2.1 基于微积分检测算子的虹膜图像分割算法 | 第19-20页 |
| 2.2 基于边缘检测和霍夫变换的虹膜图像分割算法 | 第20-22页 |
| 2.3 基于傅里叶系数的虹膜图像分割算法 | 第22-24页 |
| 2.4 噪声检测算法 | 第24页 |
| 2.5 本章小结 | 第24-27页 |
| 第3章 基于显式形状回归的虹膜图像分割算法 | 第27-49页 |
| 3.1 基于径向对称变换的瞳孔定位 | 第27-31页 |
| 3.1.1 径向对称变换原理 | 第28-29页 |
| 3.1.2 瞳孔定位 | 第29-31页 |
| 3.2 基于回归方法的虹膜图像分割模型 | 第31-34页 |
| 3.2.1 虹膜形状回归模型 | 第31-33页 |
| 3.2.2 基于初始形状分布的虹膜形状回归模型 | 第33-34页 |
| 3.3 基于随机蕨的虹膜形状特征描述 | 第34-39页 |
| 3.4 基于显式形状回归的虹膜形状回归模型求解 | 第39-44页 |
| 3.4.1 虹膜形状初始化 | 第40-41页 |
| 3.4.2 基于显式形状回归的虹膜形状求解 | 第41-44页 |
| 3.5 基于形状特征点的虹膜边缘估计 | 第44-48页 |
| 3.5.1 基于高斯分布模型的虹膜形状融合 | 第44-46页 |
| 3.5.2 基于加权最小二乘法的边界估计 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 噪声检测及虹膜边界精定位算法 | 第49-59页 |
| 4.1 光斑噪声检测算法 | 第49-51页 |
| 4.2 基于加权径向投影的虹膜精定位方法 | 第51-54页 |
| 4.3 睫毛噪声检测算法 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 实验结果与分析 | 第59-69页 |
| 5.1 数据库介绍 | 第59页 |
| 5.2 显式形状回归方法分割结果分析 | 第59-64页 |
| 5.2.1显式形状回归方法的参数选择 | 第59-62页 |
| 5.2.2 基于形状特征点的虹膜分割结果分析 | 第62-64页 |
| 5.3 虹膜边界精定位结果分析 | 第64-66页 |
| 5.4 虹膜图像噪声检测结果分析 | 第66-67页 |
| 5.4.1 光斑噪声检测 | 第66-67页 |
| 5.4.2 睫毛噪声检测 | 第67页 |
| 5.5 虹膜图像分割算法性能分析 | 第67-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-73页 |
| 6.1 本文工作总结 | 第69-70页 |
| 6.2 未来工作展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间完成的论文或专利 | 第79页 |
