人体虹膜以其具有因人而异的唯一性、终身不变的稳定性、非接触获取的易采集性和难以仿造的高安全性的优势使得基于虹膜识别技术的生物特征识别技术被认为是最具研究意义和市场潜力的身份识别技术,目前已在国防、金融业以及门禁系统等方面得到广泛应用。本文的研究工作主要是对虹膜图像的定位分割、特征提取和匹配识别三个部分的算法改进,并对实验结果进行统计分析,最终获得了良好的效果。本文的主要研究内容及取得的成果如下:(1)针对传统的虹膜定位分割算法效率不高的特点,本文提出了基于提取瞳孔感兴趣区域和局部调整相结合的虹膜定位算法,首先采用Otsu算子提取瞳孔部分的感兴趣区域(ROI),经二值化处理并进行局部调整粗定位瞳孔区域,然后利用Hough变换实现对虹膜内边界的精确定位。在定位外边界时,利用人体虹膜内外边界的环形耦合关系,以瞳孔为中心采用Hough变换在相对较小的范围内搜索外边界。实验表明,本文算法在定位速度和准确性方面均有改善,取得了良好的效果。(2)在特征提取阶段,针对CS-LBP算子没有考虑中心像素对虹膜纹理信息提取的影响,本文提出了对CS-LBP算子的改进算法,即CS-LDP算子。该算子考虑到以图像中心像素点为对称中心两两对称的邻域中的两个采样点像素与中心像素点的灰度值是否具有方向性的特点来判断该区域是否为有效的纹理信息,解决了中心像素点被忽略的问题。以中科院自动化研究所提供的CASIA-V3.0 Interval虹膜数据库作为实验样本,实验表明,该算子提取到的虹膜特征信息更加完善。(3)在匹配识别时,本文结合了支持向量机(Support Vector Machine,SVM)和海明距离(Hamming Distance,HD)的优点,提出了基于SVM和HD相结合的特征匹配识别算法进行模式匹配。实验结果表明,与传统的匹配识别算法相比,本文算法的正确识别率达到了99.955%,能够满足实际应用中大多数场合的需求。