虹膜识别是指利用人眼中的虹膜区域对人的身份进行识别的一种技术,在近几年来受到越来越多的关注。因其高效的识别性能,Daugman提出的虹膜特征码(Iriscode)被广泛应用到虹膜识别系统中。随着人们对生物特征安全性问题的重视,如何从Iriscode重构虹膜图像以评判虹膜识别系统的安全性已成为一个研究热点。由于重构图像的维度高,使用迭代的方法在高维空间进行随机搜索寻找最优解的效率低,而且时间复杂度高。为了解决这个问题,本文对Iriscode重构虹膜图像问题进行了分析,提出了重构优化模型,并提出了一个两阶段的快速虹膜重构算法。我们将提取Iriscode的过程视为距离保持的降维过程,在第一阶段,根据待测Iriscode的近邻虹膜特征,采用局部线性嵌入算法(Locally Linear Embedding,LLE)重建出若干非精确的虹膜重构图像。在第二阶段利用粒子群优化算法(Particle Swarm Optimization,PSO),将第一阶段获得的图像作为初始粒子,在其周围空间内进行迭代搜索,来获得更加精确的结果,从而提高使用虹膜图像重构的效率。最后,把重构的矩形虹膜图像重新变为环形,并嵌入到人眼图像中,合成出一张完整的人眼图像。本文的创新点如下:(1)针对从Iriscode重构虹膜图像的问题,提出了一个重构优化模型;(2)利用特征提取的降维保距特性,提出了一个两阶段的快速虹膜重构算法。实验表明,本算法获得的虹膜图像提取出的特征能够与原虹膜特征相匹配,达到伪造攻击的目的。并且对比于其他的算法,在速度上及识别结果上有较大的提高。