进入新世纪以来,互联网和IT技术迅猛发展,人们的生活日新月异,更具便捷化和智能化,同时信息安全隐患逐渐增多,获得了社会的关注与重视。如何有效保障人们的身份信息安全,已经变成当前学术圈的重点研究方向。身份识别是保障信息安全的基本方式,传统的身份识别如身份证、账号+密码、银行卡等方式,主要依赖于体外物体,安全系数低,可靠性差,已无法使人们对信息安全的需求得到满足。正是这样的机遇,生物特征识别技术慢慢走进人们的世界,打开了身份识别领域的一扇科技之窗,以其可靠、方便、实用等优势得到社会认可。而虹膜识别作为生物特征识别的一种,其识别准确度最高、伪造难度大,且非侵犯性好,被认为是21世纪最可靠且有效的生物识别技术之一,其发展前景十分乐观。进行虹膜识别,首先要利用图像采集设备获取到包含虹膜区域的有效图像;其次对图像进行预处理,在预处理模块中,首先对图像进行质量评判,包括图像清晰度的判定和眼睑、睫毛遮挡的检测等,进而对评价合格的图像实施定位与归一化操作;然后对归一化操作后的虹膜区域进行特征提取,以数字形式表示虹膜信息,进行编码存储;最后将编码的虹膜信息与特征模板进行匹配对比,给出最终的认证结果。其中预处理模块中的图像质量评判环节有着不可或缺的重要地位。一方面,图像质量评判环节可以确保虹膜图像的合格性,杜绝质量差的图像进入特征提取及匹配识别模块,进而提高整个识别系统的可靠性和有效性;另一方面,随着近年来机器学习技术的蓬勃发展,虹膜识别系统对后续特征提取及匹配模块算法的要求降低,而识别结果对图像质量的依赖程度有增无减。因此,图像质量评判算法具有很大的研究价值和必要性,本文主要围绕图像清晰度和睫毛遮挡检测两方面内容对图像质量评判算法进行研究。在图像清晰度评价方面,目前的评价算法耗时长,复杂度高,而考虑到实际应用对速度和准确率的要求,本文在对现有算法研究基础之上,提出了一种空间域的清晰度快速评价算法。该算法主要分为三步:首先,依据图像瞳孔内反光区域的特性,分别设置瞳孔以及反光点的自适应阈值;然后,基于阈值搜寻反光点存在区域,并选取基准点;最后,基于基准点与图像统计分析规律,自适应地选取图像感兴趣区域并在空间域进行清晰度评价。该评判算法主要在空间域中进行,算法的复杂度低,速度较快；根据图像特征自适应选取感兴趣区域,适应性强,检测效果好,具有较大的应用价值。在睫毛遮挡检测方面,本文提出了一种基于灰度形态学的睫毛检测快速算法。首先,根据瞳孔位置参数以及睫毛的分布特点,选取睫毛的感兴趣区域;然后,设计结构元素,对睫毛感兴趣区域进行形态学闭操作,得到操作前后的差值图像,进而对其进行分割,生成二值化图像;最后,根据二值化图像在原始虹膜图像中由粗到精地进行睫毛检测,将睫毛像素点标记出来。为验证本文提出的图像清晰度评价和睫毛检测算法的有效性,本文在中科院自动化所提供的CASIA-IrisV3-Lamp图像库上进行了实验仿真与分析。实验结果表明,本文算法能够快速而准确的区分不同清晰程度的图像,且在睫毛检测上取得了良好效果,对实际应用具有很好的指导价值。