目前,国际上大部分自动虹膜识别系统均采用Daugman的核心识别算法,该文以该实验室设计的虹膜图像采集仪和Panasonic的Authentication Camera拍摄的图像以及casia虹膜库为数据库,研究了一种有别于Daugman算法的基于分形理论的虹膜识别方法,利用人眼虹膜纹理的生物学知识,运用图像处理,分形几何和统计学习,支持向量机算法,深入分析虹膜的纹理特点及其变化规律,研究了虹膜识别算法中的定位,特征提取和编码,以及虹膜分类的算法.该文的主要研究工作和成果:1)提出并实现了一种新的定位算法:先利用行列扫描法初步定位出虹膜的圆心和半径,以此来滤除杂点,再用最小二乘拟合算出确切的瞳孔圆心和半径,保证了内圆定位的精度;然后在大量实验的基础上得到虹膜半径的范围,利用此来滤除部分杂点,并利用最小二乘法得到虹膜的外圆半径和圆心.2)提出了一种用计盒维数来提取虹膜特征的新方法:由于虹膜纹理具有良好的自相似性,并且具有丰富的变化细节特征,该文利用分形几何可以描述图形的自相似性和测量自然界大量不规则图形这一特性,采用计盒维数来计算虹膜图像的维数,利用维数结合灰度值所得到的均方误差来表征虹膜的特性,反映虹膜纹理细腻的变化,并以块处理的方法降低了睫毛等的干扰,是一种较好的虹膜特征提取方法.3)该文采用基于活跃集迭代法的C3-SVM快速学习算法对虹膜进行分类,并取得了良好的效果.综上所述,该文在定位,特征提取和编码,分类三个方面都取得了新的成果,完成了一整套的虹膜识别算法,并最后构建了一个基于分形理论的虹膜识别原型系统.