虹膜识别是一种基于生物特征的身份鉴别方法,在信息及安全领域有着重要的应用价值。相对于其它生物识别技术,虹膜识别具有以下优点:虹膜具有丰富而独特的纹理特征,非常适用于身份鉴别;虹膜特征精度高、长期稳定、难于伪造,更可靠;另外采集虹膜图像时不具有侵犯性。基于虹膜的上述特点,虹膜识别技术得到了国内外许多研究机构的重视,并展开了深入的研究,被认为是未来占主流地位的生物识别技术之一。虹膜识别首先属于模式识别的范畴。在文章中我们首先介绍了虹膜识别系统的结构,一个完整的虹膜识别系统是由虹膜图像获取、虹膜图像预处理(包括虹膜区域定位、归一化、图像增强)、虹膜特征提取与编码、模式匹配与分类器设计等环节所构成的。在文章中,我们利用灰度阈值分割结合边界跟踪的方法定位虹膜的内边缘,利用Canny算子和Hough变换方法定位虹膜的外边缘,从而把虹膜从眼睛里分离出来。为了消除虹膜图像的平移、缩放问题,我们采用直角坐标到极坐标的转换的方法。同时利用直方图均衡化的方法消除了由于光照不均所造成的影响。小波变换是一种信号的时间-尺度(时间-频率)分析方法,它具有多分辨率分析的特点。在虹膜纹理的特征提取方面,本文提出了通过Haar小波对归一化的虹膜图像进行三层小波分解,来提取虹膜图像的特征,实验表明这种方法是很有效的,与Daugman的方法比较,该方法在编码长度和编码时间上都有较明显的改进。在虹膜识别中,我们采用Hamming距离判断虹膜识别结果。实验表明,这种方法快速、有效。