随着人工智能的飞速发展,生物识别技术不断成熟,应用场景越来越多元和丰富。虹膜识别是目前普遍使用的一种安全可靠的生物识别技术。然而,在各种应用场景中,由于设备和环境的限制导致采集到的虹膜图像往往难以达到用于识别的最理想的图像质量。本文针对这一问题和实际需求,基于对现有图像增强方法和虹膜识别技术的研究,结合实际的虹膜识别流程和设备,提出了一种全新的有效的虹膜图像增强系统设计方案。首先,为了正确对虹膜图像质量进行评价,作为虹膜图像增强的依据,本文对质量等级进行了合理划分并提出了利用卷积神经网络建模分类。然后,本文提出了一个全新的基于GAN网络的虹膜图像增强架构,利用对抗三元组为生成图像加入识别性约束。接着,考虑到虹膜识别对精度和速度都有较高的要求,本文提出了一个基于深度可分离卷积的虹膜特征提取网络,作为本系统的识别验证模块。最后,在嵌入式虹膜识别设备上设计并实现了虹膜识别应用软件,完善了系统流程。实现结果表明,本文提出的虹膜特征提取网络具有较高的识别精度,且速度相比VGGNet等深层神经网络有很大提升,实现了模型加速。低分辨率、离焦模糊虹膜图像经过本文提出的虹膜图像增强架构恢复重建后,识别性能得到了有效提升。