最近几年里,生物特征识别技术得到了长足的发展,在市场所占的份额也在逐年递增。在众多的生物特征识别技术中,虹膜识别技术由于具有高度的准确性、唯一性、稳定性和非侵犯性,受到越来越多的关注,被认为是最有发展前途的生物特征识别技术之一。虹膜识别过程主要分为图像预处理、特征提取和匹配识别。本文提出了用独立成分分析提取虹膜特征,用支持向量机进行识别的方法。首先从采集到的人眼图像中定位虹膜的内外边界,并对分割出的虹膜进行归一化处理和图像增强处理。然后用独立成分分析提取统计独立的特征,在得到虹膜特征后,用支持向量机进行分类判决。独立成分分析是一种高阶的统计方法,强调各成分之间的独立性,它能更本质的描述图像特征。支持向量机是在高维特征空间使用线性函数映射的学习系统,通过非线性映射将输入向量映射到一个高维特征空间,在这个空间中构造最优分类超平面。在各领域的应用中,支持向量机的性能胜过其它大多数的学习系统。针对虹膜识别过程,在图像预处理阶段,使用二值化的方法分离出瞳孔,即提取虹膜内边界,通过Canny算子进行边缘提取,采用Hough变换返回图像中圆的坐标值来建立外圆边界。然后采用极坐标变换的方式将分割出的虹膜图像展开成矩形并缩放到统一的尺寸,最后使用直方图均衡的方法对虹膜图像进行增强。在特征提取阶段,使用FastICA算法,提高了独立成分的提取速度,在其中的“白化”过程中,使用主成分分析方法进行降维,以减少算法的计算量,并通过选择合适的独立成分个数来提取有效的特征。在匹配识别阶段,通过大量的实验,选择分类效果最好的参数来构造支持向量机模型,用该模型对虹膜图像进行分类。实验结果表明,基于独立成分分析和支持向量机的方法在识别效果上有明显的提高,能有效的进行虹膜识别。