姜 华，孟丹彤

(东北师范大学信息科学与技术学院，吉林 长春 130117)

虹膜具有稳定性、不可复制性等特点，虹膜识别中的关键步骤就是虹膜特征提取与识别.[1]虹膜特征提取是随着以局部二值模式(Local Binary Patterns，LBP)算子为代表的方法开始而兴起.但LBP算子的维数过高，空间需求过大，因此提出基于中心对称局部二值模式(Center Symmetric Local Binary Patterns，CS-LBP)进行降维[2]，但还是面临维数过大的问题.虹膜识别传统的方法有Hamming距离法[3]，这种算法识别速度虽然快，但在大批量虹膜识别中无法保证识别的准确率.传统的连接权重优化方法容易陷入局部最优的局面.近年来，使用神经网络进行识别的算法开始增多，其中典型的就是BP神经网络.BP神经网络结构复杂，没有固定算法对其结构进行优化，只能具体问题具体分析.

虹膜识别技术常用有一对一(判断2个虹膜是否属于同一种类别)、一对多(从多类别、多图像中判别虹膜的所属类别).本文针对一对一的使用情况，提出采用基于分块中位排序规则的CS-LBP算法提取虹膜纹理特征，并使用BP神经网络进行判断.另外，本文提出混沌系统-选择变异算子-粒子群优化算法(C-SM-PSO)使连接权重可以根据具体虹膜库自适应优化，提高连接权重优化中的全局搜索能力，使神经网络可以自己跳出局部最优，进而提高算法识别的准确率与鲁棒性.

1 虹膜特征提取与识别

1.1 虹膜图像预处理

在提取虹膜特征之前，需要对眼睛图像进行预处理[4].先对眼睛图像进行质量评价，判断其是……