在高度信息化的年代,传统的身份识别技术已渐渐无法满足人们日常的生产生活需要,这为生物特征识别技术的兴起提供了沃土。人普遍拥有的、能够与其他个体进行区分的身份识别方式能够很好的解决传统身份标识物品易遗忘、丢失的问题。当前主要的几种生物特征识别技术中,虹膜识别因其在普遍、稳定、精度等方面的独特优势被认为是最具潜力的生物特征识别技术。在利用人眼虹膜进行身份识别时主要有四个步骤:虹膜区域的分割、图像归一化、纹理特征的提取、与存有的模板进行比对。其中,分割的目的在于获取有区别性的虹膜纹理信息,可分为虹膜边界定位和噪声去除,而边界定位的准确性直接影响后续虹膜识别的精度。所以,对定位进行研究从而精准定位有着很高的实用价值。然而,在虹膜图像的实际采集过程中,人眼离采集设备太远时受像素影响无法获取清晰的虹膜信息,太近时会让被采集者感到不适。一件产品的推广必须充分考虑使用者的感受,贴近实际的虹膜图像应是纹理清晰,合理包含眼睑、眉毛和一些面部区域,而不是只有人眼区域,这也给虹膜定位增加了难度——定位时易被噪声干扰造成定位错误。在一张虹膜图像中,只有包含虹膜的一小块区域可以看作有效区域,其他区域则可看作无效区域。针对传统定位算法在有效虹膜区域占整幅图像比例较小时定位易受干扰的问题以及定位过程中出现的各类问题,本文进行了研究,并提出针对性策略:1)受到目标检测模型的启发,立足于提取有效虹膜区域任务的特点,对现有的目标检测模型进行改进并与主流的模型进行比对,综合考量准确度和速度,选取适应的目标检测模型完成提取有效虹膜区域的任务。2)针对虹膜采集过程中普遍存在的反光噪声,以及一般的反光噪声去除方法存在的掣肘,提出一种较为温和的反光噪声去除方法,有效避免因反光噪声干扰导致虹膜内边界定位失败的问题。3)针对因虹膜内边界比外边界明显的生理特性在外边界定位时造成的定位干扰,采用区域像素同化策略去除瞳孔区域及上眼睑区域的干扰,从而提高定位准确率。4)针对睫毛引起的定位偏差,提出一种外边界校正方法以提高定位精度。本文的实验数据库采用更符合实际的CASIA-Iris V4-Thousand,实验结果表明,改进后的目标检测模型在进行有效虹膜区域提取时m AP（平均准确率）达到了92.75%,速度方面也有了很大的提升,满足提取有效虹膜区域的要求;本文的反光噪声去除方法也很好的破除了传统噪声去除方法的壁垒,提升了虹膜内边界定位精度;区域像素同化策略很好地去除了虹膜内边界和上眼睑对外边界定位的干扰;本文提出的外边界校正方法也很好的降低了睫毛引起的定位偏差。