随着数字化、信息化社会的高速发展,传统的身份鉴定包括基于标识(如ID卡,钥匙等)的和基于知识(如密码等)的方法已经不是那么可靠。一种新的基于生物特征的身份鉴定方法便应运而生,其中虹膜具有唯一性、稳定性、可采集性、非侵犯性等特点,而且虹膜识别的错误率是各种生物特征识别中最低的,因此虹膜识别系统有很广阔的应用前景。虹膜识别系统主要包括图像采集、虹膜图像预处理、特征提取和模式匹配四个部分。图像采集主要是设计一个装置以获取原始的虹膜图像;图像预处理包括瞳孔(内圈)和外圈定位,去除眼睑、睫毛、亮斑等噪声,归一化和图像增强;特征提取是从丰富的虹膜纹理中提取特征向量,进行编码;匹配是通过一些算法对特征向量进行分类,然后和数据库中的进行比对。作者通过广泛查阅国内外相关资料,分析比较各种识别算法,并在此基础上进行了改进,提出了一种新的快速虹膜识别算法,并进行了仿真实验验证了该算法的可行性。本文的主要工作如下:1.详细研究了图像质量评价方法,并从虹膜图像清晰度、眼睑和睫毛的遮挡、瞳孔的运动等方面对虹膜图像质量进行评价。2.为了减少虹膜图像定位的计算量,选择受眼睑睫毛影响小的下半部分圆上的三点确定瞳孔圆心和半径,并把虹膜图像按比例(本文采用30%)缩小,通过垂直方向的Canny算子检测边缘,并去掉瞳孔眼睑部分,留下左右±45°弧的区域结合改进的Hough变换检测外边缘。3.对眼睑、睫毛、亮斑等主要噪声进行有效处理,降低了虹膜匹配错误率。4.提出了基于分形计盒维数结合改进的BP神经网络的方法对虹膜图像进行粗分类,极大地减少了虹膜图像的搜索时间。由于Gabor变换对带宽的限制,本文提出采用二维log Gabor滤波器提取虹膜特征。本文在MATLAB6.5上对以上方法进行了仿真,结果表明,本文对虹膜识别系统进行了成功改进,使得匹配速度有了极大的提高。该方法的研究成果可以很好地应用到机场、银行、门禁系统等领域,有很好的前景。