| 摘要 | 第1-13页 |
| ABSTRACT | 第13-17页 |
| 符号说明 | 第17-18页 |
| 缩略语 | 第18-19页 |
| 第一章 绪论 | 第19-33页 |
| ·生物特征识别 | 第19-22页 |
| ·虹膜识别 | 第22-31页 |
| ·虹膜识别技术的特点 | 第23-24页 |
| ·虹膜识别系统 | 第24-27页 |
| ·虹膜识别技术的发展 | 第27-29页 |
| ·虹膜识别技术的应用 | 第29-31页 |
| ·论文研究内容及组织结构 | 第31-33页 |
| 第二章 图像预处理算法研究 | 第33-46页 |
| ·引言 | 第33页 |
| ·虹膜图像分割与定位算法研究 | 第33-39页 |
| ·Daugman的圆周差分算法 | 第34-35页 |
| ·Wildes的基于边缘信息和Hongh变换的算法 | 第35-37页 |
| ·王蕴红等人的最小二乘法拟合算法 | 第37-39页 |
| ·传统的虹膜图像归一化方法 | 第39-41页 |
| ·一种非极坐标化展开的虹膜图像归一化方法 | 第41-45页 |
| ·虹膜图像去背景与增强 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第三章 基于Contourlet变换和SVM的虹膜识别 | 第46-64页 |
| ·引言 | 第46页 |
| ·基于Contourlet变换的虹膜特征提取 | 第46-56页 |
| ·Contourlet变换的原理及结构 | 第47-49页 |
| ·框架金字塔设计 | 第49-50页 |
| ·方向滤波器组(DFB)设计 | 第50-54页 |
| ·虹膜特征提取 | 第54-56页 |
| ·基于支持向量机的虹膜识别分类 | 第56-59页 |
| ·支持向量机简介 | 第56-57页 |
| ·支持向量机算法 | 第57-59页 |
| ·虹膜特征匹配 | 第59页 |
| ·实验结果及分析 | 第59-63页 |
| ·实验所用虹膜图像数据库 | 第59-61页 |
| ·实验结果及分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 基于圆周对称多分辨率分析的虹膜识别 | 第64-77页 |
| ·引言 | 第64页 |
| ·多分辨率分析 | 第64-66页 |
| ·圆周对称多分辨率分析 | 第66-68页 |
| ·改进的圆周对称多分辨率分解 | 第68-73页 |
| ·改进的圆周对称多分辨率分解的定义 | 第68-69页 |
| ·改进的圆周对称滤波器组的设计 | 第69-73页 |
| ·改进的圆周对称多分辨率分解在虹膜识别中的应用 | 第73-75页 |
| ·实验结果与分析 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 基于经验模态分解的虹膜识别 | 第77-91页 |
| ·引言 | 第77页 |
| ·经验模态分解 | 第77-81页 |
| ·固有模态函数 | 第78页 |
| ·经验模态分解原理 | 第78-79页 |
| ·经验模态分解的基本步骤——筛选过程(Sifting process) | 第79-80页 |
| ·经验模态分解的滤波特性分析 | 第80页 |
| ·经验模态分解的特点 | 第80-81页 |
| ·经验模态分解在虹膜识别中的应用 | 第81-86页 |
| ·虹膜定位与归一化 | 第81-82页 |
| ·特征提取 | 第82-86页 |
| ·特征匹配 | 第86页 |
| ·实验结果与分析 | 第86-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 总结与展望 | 第91-94页 |
| 参考文献 | 第94-101页 |
| 致谢 | 第101-102页 |
| 攻读学位期间发表的论文 | 第102-103页 |
| 外文论文一 | 第103-110页 |
| 外文论文二 | 第110-120页 |
| 学位论文评阅及答辩情况表 | 第120页 |
