随着军事化变革与社会发展需要,虹膜识别技术因其非侵犯性、高稳定性和唯一性等特性在现代军事、国家安全及民用领域应用得越来越广泛。完整的虹膜识别系统涵盖了图像获取、预处理、特征提取及模式匹配与识别四个流程,其核心步骤为虹膜定位及特征提取。本文的主要工作如下:(1)完成了虹膜图像的预处理。首先利用形态学和连通域标记的方法实现虹膜内边缘的粗定位,利用边缘提取及小范围搜索结合的方法实现了虹膜内边缘的精定位;利用边缘提取、去噪及小范围搜索法来实现虹膜的外边界定位。然后,对图像进行去噪处理,利用极坐标转换将虹膜图像转换成大小为48×256的矩形图片。最后通过直方图均衡化的方法对矩形图像进行增强处理,得到虹膜归一化图像。本文对CASIA1虹膜库全部756幅图像进行了预处理。只有10幅定位失败,定位率达到了 98.7%,平均定位时间为1.9365s。(2)完成了虹膜图像的特征提取和匹配。本文采用基于图像区域分割的二维Haar小波变换算法对虹膜特征进行提取。首先对整幅虹膜归一化图像进行Haar小波三层分解,取对角细节系数;然后图像分成8块,每块都进行三层分解,交替取水平细节及垂直细节。将这9块细节组成一个384位的虹膜特征模板,并进行编码,用海明距离来进行分类。通过实验得出,此算法正确识别率为96.3%。(3)对基于图像区域分割的二维Haar小波变换算法进行改进。由于已消除的上下眼睑的存在造成各个虹膜归一化图像相关性较大,所以通过精细划分图像区域,将上眼睑有效的去除。最后组成一个240位的虹膜特征模板,并进行编码。通过实验得出正确识别率为97.38%。此外,本文还对改进的算法进行了优化,将区域划分的更加精细,对上下眼睑更加有效的去除,通过实验得出正确识别率达到了 97.68%,平均用时 0.049656s。