生物特征识别技术是利用人类自身的生理或行为特征进行身份认定的一种技术。作为新兴的生物特征识别技术,虹膜识别技术具有唯一性、稳定性、非侵犯性和天然防伪性的生理方面优势,使其在正确识别率、错误率等方面的性能指标都优于其他生物特征识别技术,是目前最有发展前途的生物特征识别技术之一,得到了国际上的广泛关注,有着广泛的市场前景和科学研究价值。针对虹膜识别算法中存在的问题,本文在虹膜定位算法、特征提取和编码算法以及匹配法方面进行了研究,主要的贡献和创新性工作有:(1)针对虹膜定位易受噪声影响、速度较慢、自适应性不好等问题,提出了基于迭代圆环像素率法的快速虹膜定位算法。从切割虹膜图像、对图像抽样、迭代圆环像素率法、快速的Hough圆检测以及分层定位思想5方面提高算法的速度;提出了消除瞳孔光斑的形态学方法;瞳孔分割阈值以及小范围的圆心、半径候选集等参数都是通过计算得到,自适应性好。使用了4个虹膜数据库进行实验,实验结果表明算法的定位准确率在97.75%～99.07%之间,定位时间在52.847～158.502 ms之间。该算法是一种鲁棒、快速、自适应的虹膜定位算法,其综合性能好。(2)对传统的最佳位移Hamming距离匹配方法进行了研究,提出了改进的移位Hamming距离标准差虹膜匹配方法。首先对基于Gabor滤波器的虹膜识别方法进行了研究,构造了新的16通道奇对称Gabor滤波器组对虹膜的纹理进行不同尺度和不同方向的特征提取;然后对均匀抽样点的滤波结果进行过零检测编码;最后构造了改进的移位Hamming距离标准差参数进行匹配。实验结果表明,相对于传统匹配方法,该匹配方法的正确识别率在含噪完整虹膜库中提高0.129%,达到99.902%,在少噪缩减虹膜库中提高0.165%,达到99.949%。实验证明本文提出了一种好的基于Gabor滤波器的虹膜识别算法,本文的匹配算法是一种更好的虹膜编码匹配方法。(3)针对虹膜识别中抗噪声能力不好、识别速度较慢、安全性不高、线性分类器的阈值选择范围小等问题,提出了一种基于LBP的虹膜识别新方法。该方法使用LBP16,4算子来提取虹膜的纹理特征,并构造了改进的移位均值标准差参数进行匹配。实验结果表明,该算法无需噪声模板的屏蔽就能达到99.976%的正确识别率;特征提取和匹配仅需59.902 ms;识别结果更倾向于拒绝而非接受,安全性高;匹配的阈值选择范围大。该算法正确识别率高、抗噪声能力好、识别速度快、安全性高、分类器的阈值选择范围大,且思想简单,易于实现。(4)针对虹膜的LBP特征提取方法存储空间开销大的问题,提出了基于高斯金字塔的虹膜LBP特征约减方法。通过高斯金字塔的原图像压缩以及二值化的特征约减两步,将虹膜LBP特征的存储空间压缩了32倍,还提高了特征提取与匹配速度,是一种非常有效的虹膜LBP特征约减方法。实验结果表明该算法无需噪声模板的屏蔽就能达到99.968%的正确识别率,特征提取和匹配时间只有16.496 ms,是特征约减前的27%左右。该算法保持了正确识别率高、抗噪声能力好、识别速度快、安全性高的优点。