在现代社会中,随着计算机及网络技术的高速发展,信息安全显示出前所未有的重要性。身份鉴定一般可分为三类:基于特定物品、基于特定知识和基于生物特征。前两类方法存在携带不便、容易遗失、或者由于使用过多或不当而损坏、不可读和密码易被破解等诸多问题。因此,目前广泛使用的依靠证件、个人识别号码、口令等传统方法来确认个人身份的技术面临着严峻的挑战,并越来越不适应现代科技的发展和社会的进步。人们希望有一种更加方便可靠的办法来进行身份鉴定。生物特征识别技术给这一切带来可能。生物测定学是通过利用个体特有的生理和行为特征来进行身份识别和个体验证的一门科学。所有基于生物特征的自动识别系统都有大体相同的工作原理和工作过程。首先是采集样本,这些样本可以是人脸的图像,或者是声音的数字化描述、或者是指纹等;其次是进行特征提取,根据样本所具有的独特和唯一的特征,用一种算法为其分配一个特征代码,这一代码被存入数据库;最后当需要对某人进行身份鉴定时,再用某种特征匹配算法将存入数据库的此人的特征代码与被识别人的特征相匹配,从而查明其身份。在众多的生物特征识别方法中,虹膜识别具有唯一性、稳定性、防伪性和非侵犯性等特点。本文的虹膜识别算法主要包括以下几个步骤:虹膜图像的分割、归一化、特征提取和编码匹配。虹膜图像的预处理主要实现虹膜内外边缘的确定,瞳孔的定位,虹膜部分图像的归一化和增强。根据虹膜图像的灰度直方图分割出瞳孔,得到了虹膜的内边缘。然后使用Canny算子提取图像边缘,根据已有的虹膜内边缘使用Hough变换得到虹膜的外边缘。再根据内外圆圆心的位置关系把得到的圆环图像归一化为矩形图像,最后将得到的图像进行直方图均衡化,增加了图像的对比度,消除了光照不均对虹膜图像的影响。把已得到的矩形虹膜图像分块,使用多通道二维Gabor滤波器提取虹膜的形状和纹理结构。根据系数对图像编码。把得到的编码存入编码数据库以备查询。编码匹配基于一种加权的Hamming距离,相同虹膜和不同虹膜的加权Hamming距离分别聚集在不同的值附近,适当的选择阈值就可以区分不同的虹膜。根据此算法实现了相应的软件,并使用现有的虹膜图像数据库进行试验,识别率可达95%以上,验证了本文算法的有效性。