随着人们对公共安全问题日益重视，生物特征识别技术也越来越受到关注。虹膜是人眼中圆环状的纹理区域，由于其唯一性、稳定性、非侵犯性和高防伪性，成为最适合用于身份识别的生物特征之一。作为一个实用性很强的课题，虹膜识别正在慢慢地从实验室走向社会应用。　　 在实际应用中由于噪声、光照变化、遮挡、形变等，采集到的虹膜图像通常质量较低，这给我们的识别系统带来了巨大的挑战。其中，虹膜形变会引起虹膜纹理的变化，产生较大的类内差异，是导致识别错误的主要原因之一。但是，目前并没有专门针对此问题的完善解决方案。本文将以现有的虹膜识别系统为框架，分析在实际应用中可能遇到的情况，从图像数据、特征抽取、特征融合和匹配策略四个不同的角度解决形变虹膜识别问题。本文的主要贡献如下:　　 1)从图像数据层面入手，将图像扰动方法引入虹膜识别。该方法以数据库中已有注册模板为基础，人为扰动生成大量新的图像，模拟实际采集过程中可能遇到的低质量图像，快速有效地扩大注册数据库规模，主要用于形变、旋转和模糊虹膜图像匹配。并且在实际应用过程中，采用了级联匹配方法，在识别正确率和计算效率中取得了平衡。　　 2)从特征融合层面入手，提出了虹膜局部特征和全局特征融合方法。该方法对虹膜图像的Gabor特征进行相关滤波，充分利用了Gabor和相关滤波器互补的特性，更加全面地描述虹膜信息，将Gabor特征对噪声、对比度变化鲁棒等特点和传统相关滤波器的平移不变性、对局部遮挡鲁棒等特点有效地结合在一起。　　 3)从特征表达层面入手，提出了基于多通道特征融合的形变虹膜识别方法。本方法将归一化虹膜图像分解成不同频带的分量，之后根据频带的不同特点抽取不同的虹膜特征并融合。带通分量抽取基于关键点的几何信息，并辅助抽取低通分量上的校正虹膜局部特征。该方法利用虹膜图像不同频带的不同性质，分别抽取不同的虹膜特征并融合，这样可以有效地利用各个频带的优势，从而提升识别正确率。　　 4)从匹配策略层面入手，提出了基于DAISY特征的形变虹膜识别方法。本方法根据归一化虹膜图像的密集多维DAISY特征，确定图像关键点，最后利用动态匹配方法快速有效地匹配形变虹膜图像。DAISY特征可以有效描述虹膜图像的细节信息，而且据此特征选出的关键点更稳定。动态匹配方法运算速度快，且不需要任何关于虹膜形变的先验知识或者模型，即使虹膜形变非常严重，本方法也可以很好地解决此问题。　　 总的说来，本文从多角度分析了形变虹膜图像匹配问题并分别提出了解决方案，提升了形变虹膜识别正确率，在针对形变虹膜识别的鲁棒特征表达与匹配方面做出了有益的研究。