虹膜识别系统在经历了一轮技术研发热潮之后已经趋于成熟，但在诸多方面的表现并非理想，识别系统的精确度和速度难以实现均衡。本文以提升用户体验度、加强识别检测针对性、完善识别系统的完整度和全面性为目的，对现有的识别技术进行改进和优化，力求建立一种快速、有效、友好的实时虹膜识别系统。本论文对识别体系中的虹膜图像质量评估、虹膜图像预处理以及虹膜图像特征提取与匹配三环节进行分析和研究，主要工作和成果如下：在虹膜图像质量评估环节，本文采用一种基于高斯拉普拉斯算子的分步式、全方面的图像质量评估手段。通过引入“感兴趣”区域的概念，从而缩减检测范围、减小计算复杂度，避免对整幅虹膜图像进行逐一像素点的扫描；使用维度更小、检测范围更广的高斯拉普拉斯算子对“感兴趣”区域进行高频成分的提取和分析，在缩减计算量的同时提取出更多的高频成分，从而判断图像的散焦模糊程度；通过计算瞳孔上方“感兴趣”区域的平均灰度值来判断图像是否存在闭合、眼脸遮挡现象；利用水平方向的梯度算子判断虹膜受睫毛的遮挡程度。在虹膜图像预处理环节，本文以提高系统实时性并兼顾定位准确度为最终目标，寻求出一种基于灰度投影和数理统计相结合的虹膜内外圆定位算法。瞳孔的定位工作相对简单，只需对图像进行二值化处理，并利用边缘检测算子和最小二乘法便能够轻松、准确的完成虹膜内圆的定位工作；在虹膜外圆的定位过程中，使用灰度垂直投影确定外圆圆心坐标的取值范围并去除无用干扰信息，利用Canny算子进行边缘检测，并通过计算和统计圆心候选点与边缘点的距离，得出虹膜外圆的圆心坐标与半径参数，从而实现对虹膜图像的定位功能。将Daugman教授提出的橡皮弹性模型与双线性插值法相结合完成虹膜图像的归一化处理；仅选取靠近瞳孔下方、纹理信息丰富的分辨率大小为256×32的虹膜区域作为特征提取与识别的依据。本文方法避免了Daugman教授利用微积分算子对整幅图像进行繁杂扫描，也不同于Wildes教授利用Hough变换进行三参数空间的叠加求最优解，能够在精准度和时效性之间达到均衡。在虹膜图像的特征提取与匹配环节，本论文对传统局部二值模式算子（LBP）进行优化改进，对CS-LBP算子的编码方式和参数选择进行深入探讨。该算子能够在最大程度上缩减虹膜特征信息描述码和内存消耗，在具备灰度不变特性的同时能够兼顾方向性，可以提取出不同方向的纹理信息。此外，本文以错误接受率FAR、错误拒绝率FRR、ROC曲线为依据，对CS-LBP算子中像素比较点个数N和范围半径R的取值进行分析比较，对采集时虹膜图像发生角度旋转的现象提出弥补措施，并提出基于图像均值和标准差以及Hamming距离的两种图像匹配方法。