本文采用基于Gabor滤波器组的方法，对虹膜进行特征提取与分类。首先，本文阐述了虹膜采集仪的整体设计以及工作原理。在预处理阶段，利用虹膜图像设备的相关性，即在人眼图像的瞳孔上存在采集仪照明用的红外灯珠的像，从而确定瞳孔内一点。然后，从瞳孔出发，利用Sobel算子向上下左右四个方向检测灰度突变点，共计可确定四个点。根据不共线三点可确定一个圆的原理，一共可以确定四个圆，最后确定虹膜内圆。利用相似的办法，可以确定虹膜外圆。接下来本文利用极坐标变换以及双线性插值等方法对虹膜图像进行归一化，然后对归一化后的图像采用直方图均衡的方法进行图像增强；在直方图均衡之前，需要先消除光照不均等影响，即将原始虹膜图像划分为若干个小方块，取每块的最小灰度值作为背景光强，然后，每一块减去该块所对应的最小灰度值。在特征提取和特征向量相似度计算阶段，本文采用的是一组自相似的2D-GaborFilters对虹膜图像进行滤波，然后对滤波后结果进行分块并按幅值均值和相位分别编码。对于按相位编码部分采用海明距计算相似度的值，并将结果归一化，对于均值编码部分采用欧式距计算相似度的值，并归一化，最后将这两个值的和作为两个特征向量的距离。之所以在计算每种距离的时候都需要归一化，是为了消除各自量纲的影响。采用这种方法的意义在于，按相位编码保存了原始图像的相位信息，按幅值均值编码保存了原始图像的能量信息。两者相互补充，能够更有效的表示特征向量的相似程度。在确定Gabor参数时，本文利用粒子群优化的算法（PSO）,对Gabor参数进行选择，并得到了很好的效果。本文所采用的分类方法是k-近邻算法,该方法实现简单，且分类效果较好。通过对k-近邻算法的改进，在不影响正确识别率和误拒率的前提下，有效的降低了误识率。