随着计算机技术、通信技术和数字信息技术的发展,基于生物识别的个人身份认证技术将传统的安全技术推向新的高度。基于虹膜的身份识别作为一种高度可靠的非侵犯性生物特征识别方式越来越受到人们的关注。虹膜识别系统一般由图像获取、虹膜定位、归一化及图像增强、特征提取和匹配识别几个部分组成。本文在总结目前虹膜识别关键技术研究进展的基础上,结合图像处理、信号处理和模式识别技术,就虹膜识别中的虹膜定位、归一化及增强、特征提取及分类决策问题展开探讨,提出自己的一些改进方法并进行实验对比,对进一步研究虹膜识别技术有一定的借鉴作用。1.在虹膜图像的预处理阶段,采用改进的Canny边缘检测加Hough变换法定位虹膜内外边界,同时也研究了文献中常用的固定区域剔除法分割眼睑及睫毛的不足,采用阀值法剔除睫毛的方法,从而达到有效剔除干扰。最后,采用极坐标转化法对虹膜进行归一化以达到尺度不变性,同时利用改进的直方图均衡化对虹膜区域进行均衡化处理,以增强虹膜特征区域的对比度。2.在虹膜特征提取方法中,根据虹膜纹理特征的“内多外少”的分布特点,为了更有效的表达虹膜纹理的特殊性,基于主成分分析的图像处理技术,提出了基于“加权统计”的神经网络虹膜识别方法。并在此基础上,同时提出自己的一些改进方法并进行实验对比,实验结果表明了其优良特性。3.为了融合特征提取与分类识别的相关性,文中提出了紧致型小波神经网络的虹膜识别算法,提高虹膜识别的自适应学习的分类机制,在本文的最后针对Gabor滤波器的信号处理中的不足,采用Gabor基函数变换的算法提取虹膜的纹理信息,基于Gabor小波神经网络模式识别技术,提出了基于Gabor小波神经网络的虹膜识别算法。通过自适应寻优而确定一组能达到最佳识别效果的参数来指导虹膜特征的提取和分类。最后,利用CASIA虹膜库中的420张图片,对不同方法进行了实验对比,讨论了训练的几个参数对识别结果的影响。文中提出的Gabor小波神经网络的虹膜识别方法显示了较高的识别率和识别速度,及较高的自适应性。4.在分类决策中,提出了基于神经网络基分类器的集成分类器的思想。可以根据基分类器分类识别结论形成组合的分类决策规则。最后形成综合指标输出,以此来提高虹膜分类机制的鲁棒性,达到提高识别率的目的。