随着移动智能终端与互联网的高速发展,在移动智能终端上实现的功能越来越多。采用生物识别实现移动智能终端的身份认证是当下的研究热点之一。其中,虹膜识别由于其良好的活性与个异性成为移动端身份认证的一种重要选择。传统的虹膜识别中,虹膜图像是在红外光下拍摄的。但红外光不仅会对眼睛造成伤害,在移动智能终端中安装红外光摄像头还会增加生产成本。移动端虹膜识别利用移动智能终端已嵌入的可见光下摄像头对虹膜进行拍摄时,由于拍摄者与摄像头的位置和角度不固定、拍摄时光照条件不可控、拍摄者头部或手部抖动等,使得可见光下拍摄的虹膜图像中虹膜纹理受到遮挡或不清晰,无法提取出可以用于虹膜识别的虹膜纹理。因此,引入可见光虹膜图像质量评价,将虹膜纹理严重干扰的图像排除,对虹膜图像的干扰进行分类与程度分析,判断图像是否可以用于身份识别。在现有的可见光虹膜图像质量评价中,大多采用霍夫变换先定位虹膜。但在移动端虹膜识别系统中拍摄环境不可控,无法在质量受到严重干扰的虹膜图像中精确定位虹膜。因此,本文设计一种由粗到精的质量评价方法,在评价虹膜图像质量的同时,逐步精确定位虹膜,并对虹膜区域纹理质量进行分类和评价。论文主要包括以下内容:(1)讨论国内外关于虹膜识别与质量评价的研究现状,并采用主观评价法对图库中的虹膜图像进行分析并分类,建立用于本文算法测试的分类图库;(2)在质量粗评价阶段,分别采用Viola-Jones算法和显著性检测(FT)方法对可见光虹膜图像进行一次粗选,排除由于受到严重干扰导致眼睛区域不符合Haar-like特征或显著性区域不在眼睛位置的虹膜图像,并在非严重干扰虹膜图像中定位眼睛区域;(3)在质量精评价阶段,提出一种利用虹膜的颜色及形状特性定位的方法,在眼睛区域中继续定位虹膜区域。然后,设计两种在可见光虹膜图像中非常关键的质量评价因子,定量分析虹膜区域的质量。以上述两种质量评价因子为衡量标准,分别采用固定阈值法与支持向量机(SVM)法将虹膜图像分类,获得虹膜纹理质量的定量评价结果。上述方法的性能测试均与主观评价法的分类结果进行比对。结果表明,本文方法能够正确评价虹膜图像的质量,将不可用于虹膜识别的图像排除,减少了移动端不必要的的运算量,有效地提高了移动端虹膜识别的工作效率。