近年来,随着生物识别技术的兴起,虹膜识别技术被日益关注。由于虹膜识别技术对个体识别具有高度的可靠性,已成为目前生物识别中最有发展前景的识别技术之一。与其它生物识别技术相比,虹膜识别技术具有唯一性、稳定性、非侵犯性、不易伪造性和活体特性等优势。虹膜识别系统一般可由图像预处理、虹膜特征提取和分类识别几个部分组成。本文在总结目前虹膜识别技术研究进展的基础上,结合图像处理、信号处理技术和模式识别技术就虹膜识别中的图像定位、特征提取和分类决策等问题展开探讨,提出了一些改进算法,并进行了实验及结果分析。虹膜识别的预处理分四个步骤来完成,即虹膜定位、图像去噪、虹膜归一化处理和虹膜增强。在虹膜定位中,为了克服了传统Hough变换计算量大的缺点,避免搜索的盲目性,实现快速、准确虹膜定位,本文提出了一种新的基于数学形态学的虹膜定位算法。利用自适应二值化阈值结合二值形态学的方法定位虹膜的内边缘,利用数学形态学边缘检测和Hough变换方法定位虹膜的外边缘,从而把虹膜从眼睛里分离出来。本文研究的算法与传统的定位算法相比在定位速度上有了提高。在去噪处理中,采用Radon变换法分割上下眼睑,阈值法剔除睫毛。为了消除虹膜图像的平移、缩放变形影响,本文采用了一种基于线段提取的虹膜归一化方法将环状的虹膜区域展开成为大小为64×256的矩形块,与传统虹膜归一化方法相比该方法原理比较简单、直观、不需要分5种情况进行分析,而且效率高。同时利用直方图均衡化的方法消除了由于光照不均对虹膜识别所造成的影响。本文根据小波变换具有多分辨率分析的特点,以及离散余弦变换具有聚能和去相关性的优点,提出了一种基于小波变换和离散余弦变换的虹膜特征提取算法,该算法首先用离散小波变换进行数据降维,然后用离散余弦变换去除数据的相关性并使能量聚集,再用ZIGZAG算法提取虹膜特征矢量。实验表明该算法简单、快速。在此基础上,本文分析了虹膜编码内在的并行性,基于MPI实现了虹膜特征提取的并行化算法。在匹配识别算法中,若匹配方法直接采用欧氏距离方法,就忽略了归一化后虹膜具体的特性,影响虹膜识别的效率。为此本论文对欧氏距离匹配方法进行了改进。本文把归一化处理后的图像分割为三个区域,对每个区域分别采用欧氏距离求和的匹配算法进行识别判决,得到三个识别结果,再用不同的可信度系数识别结果加权,得到最终的识别结果。采用本文的虹膜识别算法对CASIA虹膜数据库(version 1.0)中的虹膜采集样本进行了15000次的虹膜识别实验,获得了较好的识别效果。