随着一系列食品安全事件的发生以及由牲畜带给人类的传染疾病的增加，人们越来越关注食品安全与肉食品的质量，正是这样的需求，促进了虹膜识别技术在肉食品可追溯系统中的运用。特征提取算法作为虹膜识别技术中最重要的环节之一，对识别性能起着关键作用。本文针对牛眼虹膜图像的特点，围绕传统Local BinaryPattern(LBP)算子进行特征提取算法的探究，针对原始LBP算法的特点和不足，做出了相应的改进，提出新的算法和算法组合，并对提出的特征提取算法性能进行实验分析，主要工作有:　　 1、提出了改进原始LBP算法的Center Epsilon Local Binary Pattern(Cε-LBP)算法。由于原始LBP算法在提取图像特征中具有算法简单，识别精度高的特点，因此我们采用关于LBP的算法对牛眼虹膜进行特征提取。考虑到原始LBP算法在定义中仅仅考虑与周围像素的关系，而忽视中心像素在表达图像特征中的作用，提出改进LBP定义，在其原有基础上添加中心像素与周围8像素灰度平均值的关系，并根据中心像素在表达特征时的重要性，给予其最大权重值。同时，考虑到牛眼虹膜图像中可能存在的局部光照变化、噪声等，在确定LBP二值的符号函数s(x)中将判断阈值改为变量ε，以此来提高算法的识别精度。最后算法采用Chi平方距离判定两幅图像的特征距离，通过类内与类间距离得出最佳阈值，从而得出算法的识别精度。同时，文中还对算法的局部光照鲁棒性进行了验证，并对图像进行了分块识别，对分块的识别算法的运行时间及识别率进行了比较。　　 2、在新算法Cε-LBP的基础上，结合Principal Component Analysis(PCA)算法，降低特征提取维度，提高算法识别性能。对于图像分块特征提取，Cε-LBP会导致算法的维度过大，这对图像识别的计算量及识别性能造成影响。PCA变换允许舍弃部分特征值较小的特征向量，这在减少算法的特征维数的同时，还可以有效地抑止图像噪声的影响。针对不同图像，按照使用场合的要求，控制损失信息量的多少。根据PCA的相关理论可以知道，特征值较小的特征分量往往来自图像中噪声等干扰信息，因此，舍弃这些分量对于算法的识别率的提高是有利的。用PCA降维后再对提取的特征采用欧式距离进行分类。将识别精度与Cε-LBP的识别精度进行对比。　　 3、结合PCA的LBP算法中，通过类问距和算法效率两种方法来分析算法识别效果。类间距离测定选择算法分别用欧式距离和Chi平方距离，以此来进行牛眼虹膜匹配。通过比较ULBP算法、CS-LBP算法与本文算法的识别率，比较Cε-LBP结合PCA算法前后的识别速率和识别率来验证本文算法的有效性。