随着移动设备与社交网络的发展,与身份认证及信息安全相关的活动越来越普及。传统的身份认证方式由于容易被遗忘和丢失、被伪造以及被窃取等固有的弊端,已经难以满足人们对信息安全日益增长的需求,因此以指纹、人脸等生物特征为基础的生物认证技术应运而生。相比与其它生物特征,虹膜包含丰富而独特的纹理,具有唯一性、稳定性、易于采集等诸多优点,这使得虹膜在生物认证系统中发挥着重要作用。然而,目前的虹膜分割与识别算法仍存在一系列问题,例如许多现有的虹膜识别系统以同一数据库质量良好的虹膜图像为基础进行设计,忽略了异质虹膜图像分割与识别的难度。基于此,本文从虹膜自身的生理结构特性出发,研究面向生物认证的虹膜分割与识别算法,具有重要的研究意义与应用价值。本文针对虹膜分割与识别中面临的挑战性问题进行研究,主要内容包括:(1)针对目前虹膜分割方法大多仅能应用于特定虹膜图像库的问题,本文在研究典型虹膜分割算法的基础上,提出了基于先验噪声评估和主动轮廓模型的异质虹膜图像分割方法。该方法首先根据虹膜图像的噪声类型对其进行分类,然后基于主动轮廓模型,采用“分而治之”的思想对不同噪声类型的虹膜图像进行定位分割,提高了异质虹膜图像分割的准确度与鲁棒性。(2)针对现有虹膜识别算法因眼睑睫毛等遮挡以及光反射等噪声造成虹膜匹配失败的问题,本文提出了基于局部扇形区域编码优化的虹膜识别方法。考虑到虹膜图像存在遮挡等问题,该方法采用局部扇形区域采样及编码的方式避免了噪声干扰,在此基础上,结合虹膜的结构特性对虹膜编码进行优化,提高了虹膜识别的准确率。总之,本文针对目前虹膜分割与识别中存在的一系列问题,在研究经典方法与虹膜特性的基础上提出了新颖的虹膜分割与识别算法,克服了遮挡及噪声的影响,实现了异质虹膜图像的有效分割与识别。