鉴于虹膜的纹理信息具有安全、牢靠、不易改变以及高防伪等固有特性,使得虹膜识别方面的技术在各个领域均受到了广泛的关注和研究。通过虹膜识别技术所衍生出来的技术产品也广泛应用于各个行业之中,其中不乏例如安保、门禁以及机密防伪等需要对用户身份进行识别验证的系统领域。虹膜识别技术俨然成为目前生物识别技术中热度很高的一种被实际应用的身份识别认证技术。由于虹膜图像的采集环境并没有统一的标准,这样会使得采集的虹膜图像各有差异,因此本文选取约束理想状态拍摄的虹膜图像作为研究对象,以此提高传统情况下的虹膜识别系统的性能。在传统有编码识别模式的前提条件下,采用人工鱼群算法对Gabor滤波器参数进行自适应优化从而进行虹膜特征提取,同时使用基于随机森林的SVM对虹膜识别算法进行相关的算法改进。以此优化虹膜识别系统中的特征提取与识别部分从而提高虹膜识别系统的实际应用性能。本文的主要内容包括以下几点:(1)针对采集图像:由于采集虹膜图像时的环境对于采集到的虹膜图像质量影响很大。因此,选取在进行虹膜图像的采集时,规定了被采集者的采集状态,使其在规定的状态下采集到合格的虹膜图像。即约束理想状态下拍摄的虹膜图像。(2)针对虹膜图像预处理:预处理部分主要包括对采集到的虹膜图像的质量评价、虹膜内外圆边界定位、虹膜图像的归一化、归一化图像增强以及对ROI区域的截取等部分。通过这一系列的预处理提高虹膜识别系统的整体识别效率。(3)针对虹膜特征提取:本文提出的基于人工鱼群算法优化的自适应Gabor滤波虹膜特征提取算法,根据实验结果表明不同的Gabor参数对虹膜识别结果有很大的影响。因此采用人工鱼群算法对Gabor滤波进行参数寻优,使滤波器在对不同的虹膜库图像进行特征提取时可以自适应地调节参数以实现特征提取的最优化。通过将滤波器提取到的纹理转换成为二进制编码,以方便后续进行识别。(4)针对虹膜识别:通过滤波器提取出来的纹理通常会包含一些噪声和冗余,并且无法保证每个特征编码的唯一性。因此本文将特征编码使用随机森林进行一次特征选择,达到对有效特征的精准提取;再将获取到的特征编码输入SVM进行训练,使用训练后的模型对虹膜进行特征识别,以提高整体虹膜识别系统的识别性能。本文选取了中国科学院自动化研究所CASIA虹膜库和吉林大学生物特征与信息安全技术实验室的JLU虹膜库中的虹膜图像作为实验数据。通过计算等错率、正确识别率以及ROC曲线作为本文算法的实验性能判断标准,并分析本文提出的优化算法对特征提取和特征识别各自的优化性能,以及优化算法对整体虹膜识别系统的优化效果。综上所述,本文使用人工鱼群优化Gabor滤波器参数,得到一种自适应Gabor滤波器的特征提取方法,并将提取到的特征转化成相应的二进制编码;通过随机森林筛选特征编码,再结合SVM进行虹膜识别,最终通过实验表明算法的对虹膜识别系统的优化性能。