随着互联网和信息技术的快速发展,人们对公共安全的问题日益重视,生物识别技术也受到越来越多的关注。虹膜指的是人眼表面中黑色瞳孔和白色巩膜之间的圆环形区域,有着丰富的纹理信息。虹膜作为一种生物特征,具有唯一性高、稳定性强、非侵犯性等优点。这些特点使得虹膜识别技术有着及其广泛的应用。随着应用人群的不断扩大,虹膜数据库的规模也在急剧增大。大规模的数据库导致系统的反应速度变慢。虹膜图像分类是解决虹膜识别在大规模数据库上应用难题的主要方法之一,所以对虹膜图像的研究非常的重要。虹膜图像分类是将虹膜图像按照实际的应用需求分为特定的几类,如:虹膜活体检测、人种分类等。现有的虹膜分类算法主要存在两方面的问题。一方面,现有的基于虹膜活体检测的分类方法主要采用手工设计的特征,而在实际应用中所遇到的假体类型不是完全可知的;另一方面现有的基于虹膜人种分类的方法主要针对亚洲人和非亚洲人的基本人种分类,无法很好地解决亚种族分类问题。这就要求我们的算法有好的泛化性能。针对虹膜图像分类问题现有的问题,本文提出了一种基于深度学习纹理特征的虹膜图像分类方法。首先用卷积神经网络(Convolutional Neural Network,CNN)对归一化后的虹膜纹理图像提取深度特征向量,作为底层特征;然后使用高斯混合模型聚类得到虹膜纹理基元,并提取Fisher向量作为最终的虹膜特征表达;最后用支持向量机分类得到最终结果。本文通过数据驱动的方式从训练数据中学习到更适合不同虹膜分类的特征,在不同的假体数据库上以及混合假体数据库上都取得了99%以上的准确率。同时在亚洲人和非亚洲人的数据集上取得91.94%的准确率;在汉族人和藏族人的数据集上取得82.25%的准确率。另外,本文建立了一个虹膜图像数据库,该数据库包含汉族和藏族两个亚种,首次证明了用虹膜图像进行亚种族分类的可行性。