因为虹膜特征信息具有唯一性、稳定性、不可侵犯性、高防伪性以及可靠性等方面的特点,因此虹膜识别技术在学术界以及工程界得到了越来越多的关注。虹膜识别的产品开始逐渐应用于门禁系统、机场安保系统、机密防伪系统身份验证等领域,逐渐成为继指纹识别、人脸识别之后,又一种被广泛使用的识别人员身份的技术。传统情况下的虹膜识别系统模式主要分为硬件模块和软件模块。在大多数情况下,软件模块分为虹膜质量评价、虹膜定位、虹膜归一化与增强、虹膜特征提取与虹膜认证等步骤。另外,虹膜采集环境是复杂而多变的,我们将虹膜采集图像分为约束态虹膜以及非约束态虹膜。为了提高传统情况下的虹膜识别系统的性能,在硬件采集条件已经确定的基础上,需要针对不同的情况完善虹膜识别系统软件模块的各步骤算法。本文以约束理想状态拍摄虹膜为研究对象,基于粒子群优化算法,对常用的有编码识别模式下的虹膜识别系统中的软件模块的虹膜特征提取与虹膜识别算法提出相关的改进。同时基于改进后的虹膜特征提取与识别算法,提出虹膜质量评价与虹膜定位的改进算法。在提高单一步骤的性能的同时,提高虹膜识别系统的整体性能。该文章的主要内容如下:1.针对虹膜质量评价,提出基于形态学与灰度分布的序列虹膜快速质量评价。对红外摄像头采集到的约束态虹膜视频流进行关于清晰度、活体检测、有效虹膜区域检测、斜眼及超边界检测。判断测试者的虹膜是否可以用于接下来的虹膜识别过程,提高虹膜识别信息输入的图像质量。2.针对虹膜定位,采用分块搜索的手段,基于子块中的灰度与卷积幅度的变化规律对虹膜进行分别进行内圆、外圆的粗定位与精定位,并进行归一化与增强操作。该算法主要为了准确分割虹膜,尽可能保留虹膜的特征,提高虹膜特征提取的能力。3.针对小规模虹膜库的识别,提出基于变异粒子群优化Gabor滤波的虹膜特征提取算法。采用高斯拉普拉斯算子对图像进行处理,减少图像噪声与冗余干扰,并使用变异粒子群优化算法对Gabor滤波的参数进行优化,提高Gabor滤波提取虹膜特征的能力。最后采用Hamming距离用于准确识别小样本的虹膜中测试虹膜所属类别。4.针对中等规模虹膜库的识别,提出基于蚁群系统与变异粒子群优化结合的AM-PSO算法的2次虹膜识别。随着虹膜样本数量的增加,传统的Hamming距离的虹膜识别算法无法提高识别的准确性。在由Gabor滤波+Hamming距离识别的组成的首次识别的基础上,采用Haar小波+BP神经网络进行二次识别。由首次识别过程减少虹膜识别范围,通过二次识别进行虹膜类别的准确认证。Gabor滤波和BP神经网络采用蚁群变异粒子群优化算法进行优化,更好的提高最优值搜索效率。本文实验采用中国科学院自动化研究所和吉林大学生物特征与信息安全技术实验室采集的虹膜进行性能分析。以正确识别率、等错率、ROC曲线以及运行时间作为评判指标,在分析单一算法性能的同时,对虹膜识别系统整体性能的提高效果进行分析,进而展示在传统情况下,本文提出的各单一算法以及整体虹膜识别系统的性能优势。