随着互联网技术的发展,越来越多的人察觉到信息保护的重要性。因此身份识别也已进入到社会的方方面面。传统的密码验证,如数字密码,字符密码,甚至数字、字符组合密码渐渐满足不了人们的对于隐私保护的要求。因此生物识别的身份认证得到了越来越多的应用,生物识别技术对于每个人来说都是独一无二的,具有可靠的身份信息。常见的有指纹识别,人脸识别,虹膜识别另外还包括掌纹识别和人体静脉识别。其中虹膜识别相比与其他的生物特征有着更加明显的优势,速度快,稳定性强,非接触的无侵犯性,以及其他生物识别的更独特的生物特征信息。虹膜识别由图像采集、质量评价、预处理、瞳孔虹膜定位、归一化、特征提取及匹配等部分组成。本文在已有研究基础上集合,对一些算法进行扩展或改进,根据具体的算法任务要求具体变化,因此具有创新性的工作具体如下:在瞳孔定位之前先对虹膜图像进行预处理,通过像素波峰波谷确定瞳孔大概位置,采用求质心的方法结合统计特性对虹膜进行行列裁剪,去掉多余噪声。另外通过眼睛的上下眼睑拟合,剔除眼睫毛,眉毛等噪声,为瞳孔定位做准备。在瞳孔粗定位方面,通过最大类间方差算法,根据二值化后瞳孔与背景像素的差异,并结合形态学方法获取瞳孔边界像素点,即可根据最小二乘法拟合相对精确的瞳孔。在瞳孔精确定位方面,本文在前人的工作基础之上,利用瞳孔圆度的特点,设计一个可移动的,圆形半径窗口可变的滤波器,对虹膜图像进行滤波。当滤波器检测到瞳孔,并且滤波器窗口半径与瞳孔半径相同时,即可确定瞳孔中心位置。该方法在行列裁剪等预处理以及下采样之后定位速度更快,效率更高,更精确。因此该方法是一个可靠的瞳孔定位方法。在虹膜定位中,本文提出了一个简单的基于瞳孔的圆心的虹膜定位方法,利用像素曲线波谷确定虹膜半径。另外在精确瞳孔定位方面,采用了改进后的Viterbi算法,计算出虹膜闭合回路的最优化路径,先获取的像素点然后利用最小二乘法精确拟合虹膜圆,实现了对虹膜边缘的精确定位。本文还提出了一个基于虹膜伸缩变化的归一化展开方法。该方法利用指数和对数函数模拟虹膜压缩和扩张的情况,并将其间隔取点展开,真实的模拟了虹膜的生理情况。在虹膜匹配方面,本文基于虹膜的灰度图像,先对归一化虹膜图像进行提取12个特征块,然后采用基于归一化的相关系数匹配方法对分块特征图像与数据库图像进行匹配接下来使用利用匹配阈值判断是否匹配成功。该方法由于提取的特征较多,所以其准确率较高。又因为所取特征块较小,其匹配速率较高。本文还提出了一种多视角下的特征融合匹配算法(WFF)。该算法是在Gabor滤波特征提取,编码,识别的基础上发展而来的方法,利用Gabor参数形成的多视角,多尺度,多模态的多重数据特点,对编码产生的多个纹理特征求其权重,使得冗余信息以及噪声被剔除,保留的有效分类信息。该模型的核心思想是将相似样本尽可能归为一类,不同的样本尽可能分开。并采用粒子群算法迭代求解WFF模型,最终在算法收敛的情况下得到一组最优解。接着采用这组权重组合可以有效的提取到最具分类信息的特征。从而确定匹配参数,提高匹配效率和识别精度。