人体虹膜以其具有的唯一性、稳定性、易采集性和高安全性等优势被认为是最具研究意义和市场潜力的生物识别技术,目前已在国防、金融业以及门禁系统等方面得到广泛应用。本文主要针对虹膜的精确定位、特征识别与匹配三个部分对算法进行改进,并取得了较好的实验效果。本文的主要工作和获得的结果如下:1、针对传统的虹膜定位算法效率和精确度不高的特点,提出了基于模拟退火遗传算法进行虹膜定位。为了避免了遗传算法后期搜索效率不高,容易陷入局部最优解的情况,本文将模拟退火算法引入遗传算法,结合模拟退火算法的局部搜索能力强的优点,设定了自适应交叉概率和变异概率,提高了收敛到全局最优的概率。处理虹膜图像时,使用区域生长的方法去除光斑,然后使用Canny算子粗略检测出虹膜图像的内外边缘,分别在粗定位的内外边缘上提取16个像素点,使用模拟退火遗传算法优化目标函数,得到一组最优解来进行拟合。2、在特征提取时,本文提出了将差分计盒维数与缺项相结合的算法。差分计盒维数可以很好的反应虹膜灰度图像中纹理的粗糙度,体现纹理空间的占有能力,缺项可以量化图像表面的裂痕或缺口,它独立于分形维数而存在,将这两者结合起来可以更好的描述虹膜纹理信息。在提取特征时,将预处理后的虹膜图像进行归一化并增强后,提取虹膜纹理的差分计盒维数与缺项的特征矩阵,与阈值进行比较,实现特征提取。3、在匹配识别时,本文结合了支持向量机(Support Vector Machine,SVM)和海明距离(Hamming Distance,HD)的优点,使用基于SVM和HD相结合的特征匹配识别算法进行模式匹配。实验表明,本文算法在定位速度、精确性及特征提取上都有改善,取得了较好的效果,与传统的匹配识别算法相比,本文算法的正确识别率较高,符合实际应用中大多数场合的需求指标。