在现代密码学中,密钥是成功加解密的关键,是算法安全性的保证。为保障图像内容的安全,人们提出了多种图像加密算法,多数都涉及到密钥的安全传输和管理困难问题。新兴的基于生物特征的加密技术,依据个体的生物特征来生成密钥,奠定了信息的无密钥加密的基础。虹膜具有唯一性、稳定性、非侵犯性、特征信息丰富和抗攻击能力强等特点,具有优秀的加密潜质。目前,虹膜图像加密已经成为图像加密领域的一个新的分支,在图像加密中担当重要角色。利用深度学习算法对虹膜图像进行特征提取,用提取的生物特征来生成密钥,提出了2种基于深度学习的虹膜图像加密算法和1种虹膜活体检测算法。主要的研究成果如下:(1)为便于密钥管理,提出了一种基于深度学习的虹膜图像加密算法。该算法采用虹膜数据集进行深度学习模型训练,将虹膜图像预处理后进行图像块提取,作为栈式自动编码器的数据集输入来学习参数,学习的参数加区间限制条件后用于初始化卷积神经网络参数,利用训练好的深度学习模型提取出256维向量,经纠错码编码产生密钥。利用该密钥,采用高级加密标准对图像进行加密与解密。在生成解密密钥时,采用纠错码纠错来降低外界环境对虹膜采集的影响。通过对提出算法的精确度和安全性分析表明:新算法有效解密出原始图像,且安全性高。(2)为便于密钥管理,提出了一种基于深度学习的无密钥传输虹膜图像加密算法。该算法采用深度学习模型从不同个体虹膜中提取出相同的特征向量,经纠错码编码产生密钥。利用该密钥,采用高级加密标准对图像进行加密与解密。为了使发送方Alice和接收方Bob能够采集各自虹膜成功实现加密与解密操作,在进行深度学习模型训练过程中,数据集中Alice与Bob的数据样本归为一类进行训练,然后通过纠错码编码和纠错来降低外界环境对虹膜采集的影响。通过对提出算法的解密精确度和安全性分析,新算法极大地降低了密钥被攻破几率,有效地实现了图像加密与解密。(3)为防止伪造虹膜攻击,提出了一种基于特征融合的多模块虹膜活体检测算法。工业技术的发展促生伪造虹膜来攻击虹膜识别系统,为防止因伪造虹膜攻击造成的损失,在原有算法的基础上改进了一种多模块特征融合虹膜活体检测算法。首先,通过深度学习进行虹膜特征提取;其次,针对虹膜纹理特征十分重要和信息量大,采用局部二值模式和Gabor滤波算法对虹膜进行纹理特征的提取;再次,将纹理特征与虹膜图像进行融合,并设定筛选阈值达到剔除质量差图像块的目的;最后,采用卷积神经网络和分类器实现虹膜活体检测。在多个虹膜数据集上进行实验,与对比实验进行分析,验证了算法的可行性。