随着互联网技术和智能移动设备的发展,系统安全和信息安全已成为全社会关注的重大问题。如何准确识别一个人的身份、保护系统和信息的安全是信息化时代亟待解决的关键问题。因此,基于指纹、虹膜等的人体生物特征的身份识别技术愈加显示出重要的价值,成为重要的新兴产业。作为一种高精度的生物特征识别技术,虹膜识别技术是图像处理、模式识别等多个学科的前沿研究问题,尚有许多问题有待解决,需要在理论和方法上有新的创造和发展。所以,虹膜识别研究本身具有重要的理论意义。本文对虹膜识别中的若干关键问题展开研究,主要包括:近红外虹膜图像的质量评价、近红外虹膜图像的分割、特征提取和识别、可见光下拍摄的噪声虹膜图像的分割和识别。本文方法显著地提高了近红外虹膜识别和可见光虹膜识别的性能,主要研究工作和成果有:(1)为排除近红外虹膜识别中,影响识别的低质量虹膜图像,对虹膜图像质量评价问题进行了研究,提出了一种由粗到精的低质量虹膜图像判别方法。该方法首先改进了径向对称变换算法,并基于改进径向对称变换(Improved Radial Symmetry Transform,IRST)初步定位瞳孔并评估图像质量,然后利用光斑形状判断运动模糊图像。在判断运动模糊图像时,首先采用圆Gabor粗定位光斑区域,然后精定位光斑区域并提取光斑边界,最后采用椭圆拟合光斑边界,计算长、短轴比例和拟合误差,进而判定图像的模糊程度。实验结果表明该方法能够有效排除低质量虹膜图像,提高识别性能。(2)针对近红外虹膜图像的定位问题,提出了基于SIFT(Scale-invariant Feature Transform)特征和SDM(Supervised Descent Method)算法的虹膜定位方法。该方法首先建立了一种虹膜定位的优化模型,在所建立的优化模型中,采用SIFT特征描述虹膜边界上关键点的信息,使用SDM算法对该优化模型进行求解,得到虹膜外边界和上、下眼睑的关键点坐标,最后采用鲁棒回归计算虹膜外边缘参数和上、下眼睑边界。实验结果表明该方法能够快速、稳定地定位虹膜边界,实现更为准确的分割。(3)针对虹膜识别的特征表达问题,建立了一种计算虹膜特征表达的优化模型。不同于传统虹膜特征提取方法的设计思路,该模型在假设虹膜特征提取滤波器为未知矩阵的前提下,建立了以最大化类间距离和类内相似度为目标的优化模型。由于所建立的优化模型中包含不连续的二值编码函数和汉明距离函数,增加了优化问题求解的难度。所以,本文在求解优化模型的过程中,采用Sigmoid函数近似二值编码函数,用欧氏距离代换离散的汉明距离,使得问题变得光滑可导,所得到的优化模型采用随机梯度下降算法求解,得到最后的虹膜特征表达。该方法在CASIA-Iris-Lamp虹膜数据库上进行的实验表明,方法能有效地提高虹膜识别的性能。(4)针对可见光虹膜图像噪声较多、定位难度较大的问题,提出了一种基于统计降噪的可见光虹膜定位方法。该方法首先对原始虹膜图像计算微积分算子值,然后取微积分算子值较大的若干个虹膜边界,分别采用拉依达准则排除每条边界上的异常像素,然后再重新计算降噪后的微积分算子值,取降噪后微积分算子的最大值所对应的边界作为最后的定位结果。本章方法是获得噪声虹膜识别竞赛NICE:ⅡCNoisy Iris Challenge Evaluation:Part Ⅱ)第二名的虹膜识别系统的定位部分核心方法,实验表明该方法提高了噪声虹膜图像定位的稳定性。(5)针对可见光噪声虹膜图像较难识别的问题,提出了一种基于整体和局部特征的噪声虹膜识别方法。首先,该方法根据噪声虹膜定位的准确与否分别采用Rubber Sheet和Simplified Rubber Sheet模型进行归一化展开。然后根据归一化的方法不同,将虹膜图像划分为不同数量的子块。再将整体和局部子块的二维Gabor编码的汉明距离作为特征集合,分别采用Adaboost对定位准确和不准确的虹膜图像比对特征进行学习,得到了定位准确和定位不准确条件下的两个虹膜认证分类器。实验结果表明,该方法有效地提高了噪声虹膜图像的识别性能,在来自全世界28个国家和地区的67只代表队参加的NICE:Ⅱ噪声虹膜识别竞赛中,获得了第二名。