针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点, 提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性, 利用PCHIP-LMD对归一化的虹膜图像逐行分解, 得到不同尺度的分量图像; 通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配, 得到匹配向量。最后计算匹配向量的改进标准差, 用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明: 该方法消除了虹膜特征提取时的高频噪声, 有效提取了图像的二值特征, 与EMD和LMD方法相比, 识别速度, 识别准确率和鲁棒性均有极大提高。