虹膜识别(Iris Recognition)是一种安全性很高的生物特征识别技术。人眼虹膜区域稳定而丰富的纹理特征具备了生物特征识别技术所需要的普及性、排他性、稳定性和可获取性。相比技术层面更加成熟的指纹识别、人脸识别等技术,虹膜识别的各项特征指标均表现突出,具备了良好的研究价值和应用前景。论文总结了主流的虹膜识别算法的优缺点,对主流算法执行过程中存在的不足进行了研究和实验分析,提出了自己的解决方案,设计并实现了效率和容错性更佳的虹膜识别系统。论文完成的研究内容如下:(1)针对Wildes两步定位算法中,三维参数累积空间投票定位虹膜内外边缘的方法计算效率过低等问题,提出了一种基于改进Hough变换的虹膜边缘定位与拟合算法。该算法采用非线性最小二乘法拟合眼睑边缘,结合眼睑边缘曲线轨迹,将离散边缘像素点中的干扰点分离出来。根据虹膜内外边缘的几何特征,分别采用圆拟合和抛物线拟合的方式分割出人眼图像中的虹膜区域。实验结果表明,该算法与Wildes算法、Daugman算法相比,可以有效提升对标准虹膜和遮挡虹膜的定位效率和定位准确率;(2)针对Daugman特征提取算法对虹膜纹理的整体特征和不同频率下的局部特征分析不足等问题,提出了一种基于形态学骨架和Gabor滤波器的特征提取与识别算法。该算法采用形态学腐蚀和开运算提取归一化虹膜的整体骨架特征,采用多频率、多方向的2D-Gabor滤波器提取局部特征,结合论文提出的虹膜识别方法,完成了对类内和类间虹膜的识别。实验结果表明,该算法与Daugman算法、Boles算法相比,可以有效降低虹膜识别的错误接受率和错误拒绝率,提升虹膜识别的准确性;(3)在上述提出的虹膜定位和虹膜特征提取与识别算法的基础上,采用C++作为开发语言,结合Gdiplus、OpenCV图像处理函数库和模块化开发的理念设计并实现了虹膜识别系统。该系统包含虹膜定位、虹膜特征提取、虹膜匹配三个主要功能模块。