身份鉴别是目前安防、信息安全领域普遍而重要的研究热点,与人们的生活息息相关,虹膜作为人身份的表示物,在稳定性、唯一性和安全性等方面具有重要应用价值。目前绝大多数的虹膜图像采集和识别过程均在同一个采集设备上完成,这种方式对使用场景和应用设备要求较高,具有一定的局限性。因此,由于采集设备不同,导致虹膜的类内相似度较低的问题,即多源异质虹膜识别问题,成为一项具有挑战性的研究,本文主要研究了多源异质虹膜识别方法,实现了对多源异质虹膜图像的有效特征提取和准确识别,主要研究内容有以下三方面:(1)针对多源异质虹膜图像的预处理。首先采用多指标融合的质量评价方法筛选出合格的虹膜图像;然后采用二次定位方法分别对虹膜的内边界和外边界定位;最后对虹膜归一化增强,并截取虹膜感兴趣区域。(2)针对虹膜特征提取中逐特征点提取和匹配方式进行改进,提出以流形学习为框架的局部保持投影的多源异质虹膜识别算法,逐区域的提取虹膜局部纹理特征结构。对原始特征空间相似度较大的特征点建立局部近邻结构,形成流形,通过特征映射,保留相似度较大的近邻结构,同时特征点的相对位置得以保持。实验结果表明,在JLU-MultiDev数据集上,局部保持投影算法有效的提取了虹膜纹理结构,降低了计算复杂度,同时具有较高的多源异质虹膜识别正确率。(3)针对逐区域特征提取方式做进一步改进,提出基于堆叠式CDBNs-DBN的多源异质虹膜识别算法。通过隐藏单元的位移量寻找有效特征点的位置,通过卷积层提取局部纹理特征结构,并通过池化层进行特征降维,同时模型通过层间全连接的方式建立局部特征结构之间的匹配关系,最后通过DBN对多源异质虹膜图像分类识别。实验结果表明,在IIT Delhi数据库上,堆叠式CDBNs-DBN模型具有较高的识别性能和较强的鲁棒性,可以完成多源异质虹膜图像的识别任务。