现有单一模态的生物特征识别系统由于模态自身的缺陷,不能同时保证高精确性和高易用性,这严重阻碍了生物特征识别技术的广泛应用。人的眼部区域采集方便,具有丰富的生物特征,不仅包含虹膜信息,而且还包含眼周信息。这二者的融合既能保证系统的识别精度,也能提高系统的易用性。本文从实际需求出发,以人的眼部图像为研究对象,力图建立一个既能保证系统的识别性能,又不需要用户高度配合的多模态生物特征识别系统。具体地讲,本文的主要工作和贡献如下:　　 ①在眼部图像预处理的一般框架下,针对实际中遇到的亟待解决的问题,如噪声虹膜边界拟合、形变虹膜分割、斜视虹膜纹理矫正,基于虹膜的几何特性,提出一系列有效的解决方案。具体包括:1)提出融合自底向上和自顶向下两种模型的虹膜边界拟合算法。对于给定的自底向上和自顶向下两个分割结果,通过定义梯度能量和几何能量,采用定比决策融合策略确定最佳虹膜边界;2)提出基于距离图的自适应水平集分割算法。根据虹膜区域纹理的分布,采用各向同性的sigmoid函数生成距离图,并结合梯度图生成具有语义信息的虹膜边界梯度图。在此基础上,根据虹膜边界的几何特性,不断更新水平集分割的参数和迭代停止条件,实现稳定快速的收敛;3)提出基于几何变换的斜视虹膜纹理矫正模型。在水平集分割的基础上进行椭圆拟合,通过旋转与拉伸变换进行纹理矫正。以上这些方法提高了眼部图像预处理的鲁棒性和精确性。　　 ②基于对局部描述子表达的图建模和分析,提出基于结构化稀疏学习和AdaBoost学习的层次化特征选择方法。根据局部描述子的区域特性,采用结构化稀疏学习方法进行局部特征选择:之后,在全局上采用AdaBoost学习选择最具有区分性的局部描述子。该方法在保证精度的同时大大降低了训练时间,并成功应用于基于Gabor特征表达的双目眼周区域识别。　　 ③从多生物特征信息融合模型出发,深入分析传统的特征层融合和分数层融合,提出一种基于二者的混合融合模型和多生物特征信息融合的一般框架,包括三个模块:特征空间划分、特征子空间选择和子空间分数层融合。同时,针对异质特征的融合问题,提出一种基于度量的空间转换方法,将原始的异质特征转换到同质的度量空间。该框架既考虑特征之间的互补性,又考虑特征和分类器之间的一致性,在保证充分利用特征层信息的同时,又能够应用于各种场景,打破了保真度和适用性不能兼得的壁垒。　　 ④基于眼周区域和虹膜区域的结构化特性,提出基于互补局域特征选择的混合融合方法。对眼周区域采用多通道Gabor局域表达,虹膜区域采用多通道定序测量局域表达,分别通过Cosineg距离和汉明距离转换到度量空间,采用AdaBoost学习得到互补的眼周和虹膜子区域,进行分数层融合,提高了眼周和虹膜融合识别的精度。　　 ⑤基于眼部图像易采集的特性,实现基于眼周和虹膜信息层次结构融合的远距离身份检索和识别系统。在远距离无近红外光的情况下,采用典型相关分析建立低分辨率的待识别可见光眼周区域和注册的高分辨率近红外眼周区域之间的关系,进行基于异质眼周识别的身份检索。在检索结果的基础上,融合近红外眼周和虹膜信息进行身份识别。该方法在保证不损失精度的情况下,提高了系统的易用性和吞吐率。　　 ⑥基于可见光眼周纹理的特性,提出一种基于纹理基元和空间金字塔的眼周表达,并结合眼部多特征进行身份识别。采用SIFT描述子刻画眼周区域的局部特性,从一定程度上克服眼周区域的尺度、光照、形变影响,提高了可见光眼周识别的精度。在此基础上,结合虹膜纹理特征、虹膜颜色信息和眼睛类别信息,采用鲁棒的分数层策略进行融合识别,改善了可见光眼部图像的识别性能。　　 总的来说。本文对眼周和虹膜信息融合识别的关键问题进行了系统的探讨和研究,取得了一些有创新意义的成果。