移动设备在人们日常生活中的应用越来越普及,用户通常用其存储大量的私人数据,以及进行移动支付等敏感操作。传统的基于密码的移动端身份识别方法容易被攻破、盗取和遗忘,使得移动设备的信息安全面临严峻的挑战,有必要建立安全性高的移动端身份识别系统,因此生物特征识别技术越来越受到关注。在生物特征中,虹膜具有较高的稳定性、唯一性、和防伪性,很适合于应用到移动端提升身份识别的可靠性。移动端虹膜识别与传统的虹膜识别技术相比具有一些新的问题和挑战。由于移动设备采集传感器的限制,获得的虹膜图像质量通常较差,包含较多的噪声、分辨率较低,并且移动端有限的存储和计算资源也要求所使用的虹膜识别算法占用较少的存储空间、具有较高的计算效率。为了解决上述问题,本文以虹膜识别的主要流程为脉络,从图像获取,到图像预处理,再到图像特征分析几个方面都进行了深入研究。此外,移动设备在采集虹膜图像时,通常能够同时获得人脸信息尤其是眼周区域,因此,本文还提出了虹膜与人脸及眼周的多模态融合方法,以提升移动端身份识别的性能。本文的主要工作和贡献如下:1.移动端近红外光条件下的虹膜图像数据库建设。本文建立并公开发布了目前国际上最大的移动端近红外光条件下采集的虹膜图像数据库,共包含来自630个亚洲人的11000张图像。该数据库的建立为后续工作奠定了数据基础,有利于推动该领域相关研究的发展。2.从图像预处理层面入手,提出了基于超分辨率技术的虹膜图像质量增强方法。分别利用卷积神经网络模型和随机森林模型来提升移动端虹膜图像的分辨率。分析和比较了两种方法在提升虹膜识别方面的性能,验证了图像层超分辨率技术对于提升虹膜识别精度的有效性。3.从特征分析层面人手,提出了基于深度卷积神经网络的虹膜图像特征表达方法。利用深度卷积神经网络可以自动学习输人图像高层级、抽象化特征表达的优势,本文首先使用Pairwise CNNs提取虹膜图像对间的相关性特征,并且探索了该特征与传统的定序测量滤波器提取的虹膜局部纹理特征是否具有互补性。随后,使用基于maxout激活单元的卷积神经网络模型直接学习单张虹膜图像的特征,该方法比传统方法得到的特征更高效、更鲁棒,从而能提升移动端虹膜识别的准确率。4.从多模态融合层面人手,提出了虹膜与人脸和眼周融合方法。多模态生物特征融合能够突破单一模态的限制、取长补短、集合不同模态的优势。本文在分数层基于加权加法原则对虹膜和人脸进行了融合,在特征层基于卷积神经网络对虹膜和眼周进行了自适应加权融合,获得了比单模态识别更好的性能,并且所使用的融合策略占用的存储空间少、计算效率高,适合于移动端应用。总的来说,本文对移动端虹膜识别以及虹膜与人脸和眼周融合进行了系统而深入的研究,从多角度提出了解决方案,提高了移动端身份识别的可靠性和精度。