身份识别技术广泛应用于现代社会的各个领域,传统的识别手段已不符合现代社会的需要,新兴的生物识别技术依靠自身独特的优势得以迅速发展。与其他生物识别技术相比,虹膜识别技术具有唯一性、稳定性、准确性、快速性、可采集性、非侵犯性等优点,非常适用于身份识别。理想的虹膜识别算法应既具有较高的正确识别率又具有较快的处理速度,但是目前对虹膜识别技术算法的研究无法同时满足这两个要求。因此,对该技术展开深入研究,探索同时满足较高正确识别率和较快处理速度的虹膜识别算法是必要的。如何准确的对虹膜进行定位、有效的提取出虹膜图像的纹理特征以及设计高效的分类器是提高虹膜识别技术的关键问题。本文以提高虹膜识别算法的处理速度和识别率为主要研究目标,在分析传统算法的基础上,分别对虹膜定位、虹膜特征提取以及匹配的若干算法进行了研究。首先,针对已有虹膜定位算法耗时较长和准确率不高等特点,提出了一种有效去除干扰的快速虹膜定位算法。该算法把虹膜定位分成内边缘定位和外边缘定位两个部分。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径;对于虹膜的外边缘,采用形态学中的闭运算去除虹膜区丰富的纹理,设计了一个边缘检测模板在小范围内搜索虹膜外边界的四个边界点进而定位虹膜的圆心、半径。其次,针对当前存在的特征提取方法不足之处,提出了一种利用局部灰度极小值寻找有效虹膜区域内特征点的方法,依据纹理长度和方向信息去掉伪特征点,得到虹膜二进制编码。然后,根据得到的编码,利用Hamming距离分类器对大量训练样本进行统计,分别得出来自相同虹膜之间和不同虹膜之间Hamming距离的分布,探索模式匹配的分类标准。最后,通过实验验证了该系统改进算法的可行性和准确性。所有的算法都在CASIA标准虹膜库上进行了测试,实验结果表明,本文对虹膜识别系统进行了成功改进,在处理速度和识别率上都有明显的提高,具有很好的识别效果。