虹膜識別關(guān)鍵技術(shù)的研究與應(yīng)用

目 錄
1 緒論\t1
1．1 虹膜識別技術(shù)概述\t1
1．1．1 虹膜的生理結(jié)構(gòu)\t1
1．1．2 虹膜識別技術(shù)的發(fā)展現(xiàn)狀\t2
1．1．3 虹膜識別系統(tǒng)原理\t3
1．1．4 生物特征識別技術(shù)指標\t3
1．2生物特征識別技術(shù)的應(yīng)用\t6
1．3 虹膜識別研究的難點\t10
1．3．1 虹膜的遠距離采集\t10
1．3．2 虹膜定位\t10
1．3．3 虹膜特征提取\t11
1．3．4虹膜識別質(zhì)量評價體系\t11
2 虹膜圖像的采集和質(zhì)量評價\t12
2．1 虹膜圖像采集\t12
2．1．1 Daugman采集系統(tǒng)\t13
2．1．2 Wildes采集系統(tǒng)\t13
2．2 虹膜圖像質(zhì)量評價\t15
2．2．1 虹膜圖像質(zhì)量評價方法\t16
2．2．2 虹膜防偽性檢驗\t17
2．3 CASIA虹膜數(shù)據(jù)庫\t18
2．4 本章小結(jié)\t19
3 虹膜定位\t20
3．1 相關(guān)工作與分析\t20
3．1．1 微積分方法\t20
3．1．2 Hough變換法\t21
3．1．3最小二乘擬合方法\t23
3．1．4 基于圓幾何特征的方法\t24
3．1．5 主動輪廓模型方法\t25
3．1．6 粗定位與精定位結(jié)合的虹膜定位算法\t26
3．2 虹膜圖像平滑去噪\t26
3．3 基于圓幾何特征的虹膜定位算法\t28
3．3．1 虹膜內(nèi)邊緣粗定位\t28
3．3．2 虹膜內(nèi)、外邊緣的精確定位\t32
3．4不均勻光照下的虹膜定位算法\t32
3．4．1 數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)\t33
3．4．2 不均勻光照對虹膜定位的影響\t35
3．4．3 基于灰度形態(tài)學(xué)的虹膜內(nèi)邊緣粗定位算法\t36
3．4．4 基于梯度變換的虹膜外邊緣粗定位算法\t40
3．4．5 虹膜內(nèi)、外邊緣精定位\t42
3．4．6 實驗結(jié)果與分析\t43
3．5 本章小結(jié)\t45
4 虹膜干擾檢測與歸一化\t47
4．1 相關(guān)工作與分析\t47
4．1．1 眼瞼檢測算法\t47
4．1．2 睫毛檢測算法\t48
4．1．3 歸一化方法\t48
4．2 眼瞼檢測算法\t49
4．2．1 上眼瞼檢測\t49
4．2．2 下眼瞼檢測\t53
4．2．3 眼瞼精確定位\t55
4．3 眼睫毛檢測算法\t56
4．4 實驗結(jié)果與分析\t57
4．5 虹膜歸一化\t59
4．5．1 Rubber-Sheet歸一化模型\t59
4．5．2 歸一化分辨率的確定\t61
4．6本章小結(jié)\t61
5 虹膜特征提取與匹配\t63
5．1 相關(guān)工作與分析\t63
5．1．1 二維Gabor方法\t63
5．1．2 高斯-拉普拉斯金字塔方法\t64
5．1．3 小波變換方法\t65
5．1．4 圖像的二維離散小波分解\t67
5．2 基于Haar小波的虹膜特征提取算法\t69
5．2．1 特征提取區(qū)域劃分\t69
5．2．2 歸一化圖像的二維Haar小波分解\t72
5．2．3特征提取\t73
5．2．4 特征編碼\t74
5．2．5 編碼匹配\t76
5．2．6 實驗結(jié)果與分析\t77
5．2．7 總體分析\t77
5．2．8 算法性能對比\t79
5．3 基于小波包分析的虹膜特征提取算法\t80
5．3．1 小波包分解\t80
5．3．2基于sym2小波包分解的虹膜特征提取\t81
5．3．3 實驗結(jié)果與分析\t83
5．4 本章小結(jié)\t85
6 基于虹膜特征密鑰的圖像加密\t87
6．1 相關(guān)工作與分析\t87
6．1．1 密鑰生成的方法\t87
6．1．2 密鑰隨機性測試標準\t88
6．1．3 AES加密算法及其安全性\t94
6．1．4 圖像的Arnold置亂加密\t99
6．2 基于虹膜特征的密鑰提取\t100
6．2．1 密鑰提取算法\t100
6．2．2 密鑰提取的隨機性分析\t101
6．3 基于虹膜特征密鑰和AES的圖像加密算法\t102
6．4 密鑰的存儲和釋放\t103
6．5 實驗結(jié)果與分析\t104
6．5．1 密鑰的隨機性測試\t104
6．5．2圖像加密效果與分析\t107
6．6 本章小結(jié)\t109
參 考 文 獻\t110