| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-12页 |
| ·虹膜识别的发展现状 | 第12-15页 |
| ·发展趋势 | 第15页 |
| ·课题的研究内容和论文的结构 | 第15-18页 |
| 第2章 虹膜识别基本原理 | 第18-28页 |
| ·虹膜识别技术的工作流程 | 第18-25页 |
| ·虹膜图像采集 | 第18-19页 |
| ·预处理 | 第19-22页 |
| ·虹膜的特征提取 | 第22-23页 |
| ·模式匹配 | 第23-24页 |
| ·虹膜特征数据库 | 第24-25页 |
| ·虹膜识别系统的性能指标 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于 iOS 系统的虹膜图像采集 | 第28-42页 |
| ·苹果 iOS 平台 | 第28-29页 |
| ·iOS 介绍 | 第28-29页 |
| ·iOS 的用户界面 | 第29页 |
| ·开发环境 Xcode | 第29-30页 |
| ·基于 iOS 的图像采集 | 第30-39页 |
| ·在 Windows 中安装 iPhone 开发环境 | 第30-31页 |
| ·图像采集程序编写 | 第31-36页 |
| ·图像采集程序的真机实验 | 第36-39页 |
| ·虹膜图像质量评价 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于 iOS 系统的虹膜识别算法 | 第42-63页 |
| ·虹膜图像预处理 | 第42-46页 |
| ·虹膜定位 | 第42-43页 |
| ·虹膜图像的归一化 | 第43-46页 |
| ·图像增强 | 第46页 |
| ·特征提取 | 第46-52页 |
| ·Gabor 滤波器 | 第46-49页 |
| ·Daugman 的相位象限二进制编码 | 第49-51页 |
| ·Gabor 虚部信息提取 | 第51页 |
| ·Gabor 实部信息提取 | 第51页 |
| ·Gabor 幅值信息提取 | 第51页 |
| ·Gabor 方向相位信息提取 | 第51-52页 |
| ·模式匹配 | 第52-53页 |
| ·实验结果与分析 | 第53-60页 |
| ·Daugman 的相位象限二进制编码 | 第53-54页 |
| ·Gabor 虚部信息提取 | 第54-55页 |
| ·Gabor 实部信息提取 | 第55-56页 |
| ·Gabor 幅值信息提取 | 第56-58页 |
| ·Gabor 方向相位信息提取 | 第58-59页 |
| ·实验分析与总结 | 第59-60页 |
| ·算法实现 | 第60页 |
| ·虹膜算法的移植 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间发表论文与研究成果清单 | 第68-69页 |
| 致谢 | 第69页 |