虹膜识别技术是一种生物识别技术,其利用虹膜独特的生物特征,对人的身份进行鉴定识别。相比于其他生物特征识别技术,虹膜识别稳定性高,可靠性好,使得虹膜识别技术被广泛应用并具有广阔的市场前景。本文在前人研究的基础上,对虹膜识别算法的预处理进行了改进,并引入了粗分类模块。本文主要的研究工作包含以下几个方面:1)在虹膜图像预处理方面,对质量评估模块进行了改进,重点修改了光斑填充部分的算法。首先利用质量评估对虹膜图像中光斑的位置进行确定。其次根据形态学图像分析的知识对光斑进行快速填充。通过前向后向两次全局扫描,得到填充像素队列。按先进先出原则,对队列中的像素进行膨胀运算。最后得到光斑填充后的虹膜图像,消除了虹膜图像中灰度值突然变高的噪声点。2)在虹膜外边界定位方面,增强了算法强壮性和适应性。首先利用虹膜内边界定位信息,确定外边界大致区域和睫毛阈值。接着利用梯度和搜索虹膜外边界的边界点。然后根据虹膜的形状特性和分布特性,对提取出来的边界点集合进行两次分类,删除部分伪边界点。用改进的拟合算法对分类后的边界点集合进行拟合,得到若干个待选虹膜外边界。最后对一组边界圆进行筛选,得到最后的结果,输出虹膜外边界信息。3)在虹膜纹理匹配的基础上,在海量数据库模型下引入了虹膜粗分类的概念,并以此对虹膜粗分类的特征提取算法和粗分类的聚类算法进行了研究。从海量虹膜数据库出发,将虹膜粗分类引入到虹膜识别系统中。基于这一目的,分析了粗分类和识别的异同点,提出了粗分类特征提取的准则。根据小波分析能够提取图像在不同频率下信息的特性,给出了基于小波系数统计信息的特征提取算法。同时,由于核方法在无监督聚类中表现出来的优越性,所以将其引入对虹膜库进行无监督的聚类。最后,利用支持向量机的训练能力和在海量样本下快速分类的能力,将其作为最后验证粗分类算法的工具。本文论述的虹膜外边界提取算法在CASIA虹膜数据库(version2.0和vsersion3.0)中进行测试,得到良好的定位效果。同时,粗分类算法在人造验证数据和原始虹膜数据库(CASIA-version2.0)中进行实验,都得到了较好的结果。