随着全面信息时代的到来,便捷可靠的身份认证技术越来越重要,传统的身份认证方法已无法满足信息安全的高要求,基于生物特征的身份识别技术应运而生。在目前已有的生物特征识别中,虹膜识别具有较高的稳定性、准确性和安全性,是综合性能指标评定最好的,被认为是最有前景的生物识别技术。因此,不论是识别算法还是应用研究方面,虹膜识别已成为现阶段一个热门的课题。虹膜身份识别系统主要包括虹膜图像采集、图像预处理(虹膜定位及归一化)、特征提取和模式匹配这四部分。本文在系统分析了已有研究成果的基础上,对虹膜识别中的预处理、特征提取及模式匹配等方面进行了研究,采用基于小波变换与Log Gabor滤波的方法提取虹膜特征,并利用由粗到细的匹配方法完成识别。本文的主要研究工作内容如下:首先,在虹膜定位方面,本文针对其内外两个边缘的不同特点分别进行定位。对虹膜内边缘,先根据虹膜图像的灰度特性,采用阈值法将图像二值化,然后使用数学形态学中的开启运算去除噪声,得到分离的瞳孔,再采用Canny算子提取其边缘,最后对边缘点进行Hough变换完成内边缘定位;在此基础上采用微积分方法,只对感兴趣区域进行处理,避免搜索的盲目性,实现外边缘的快速定位。对于传统定位方法计算量大、定位时间长等问题,本文算法计算量大大减少,提高了定位的速度和精度。其次,在虹膜特征提取与编码方面,先分析了基于小波变换的虹膜特征提取方法,并结合虹膜纹理特点,设计了适合进行虹膜特征提取的Log Gabor滤波器,然后结合两种算法,采用基于小波变换与Log Gabor滤波的方法提取虹膜特征,具体过程是先采用小波变换对预处理后的虹膜图像进行三层分解,提取能有效表征虹膜纹理特征的全局信息,并对这些数据进行离散化,实现虹膜的粗分类,形成小的样本集,然后使用Log Gabor滤波提取预处理后虹膜图像的局部纹理信息,量化编码后形成虹膜特征模板。最后,在虹膜匹配方面,采用由粗到细的匹配方法,先根据小波变换的编码结果进行虹膜的粗分类,在此基础上利用Log Gabor特征编码进行细匹配,即在小的样本集内通过汉明距离计算虹膜特征模板的相似度,完成识别。该方法有效避免了虹膜匹配过程中的盲目性,提高了识别的效率和准确率。本文虹膜识别算法均采用CASIA虹膜数据库(V 1.0)中108人的756幅图像为实验样本,在MatlabR2010b平台上进行仿真实验。仿真结果表明,本文基于小波变换与LogGabor滤波的虹膜识别方法提高了识别速度,取得了较为理想的识别效果。