21世纪的生物识别技术,包括：指纹识别、虹膜识别、手势识别、声音识别和人脸识别等等,然而,在所有的生物识别技术中,虹膜识别是最方便和最精确的生物识别技术。其发展前途得到广泛的认可。当前,已经在安防、国防、通信管理和电子商务等领域得到了应用,而且市场前景非常广阔。作为生物识别的虹膜,具有稳定性、唯一性、可采集性以及非侵犯性等的优点,并且与人脸识别和指纹识别相比,虹膜识别拥有更高的准确性。然而,拥有众多优点的虹膜识别同时也拥有待解决的关键问题。例如,获取到的虹膜图像含有大量的噪声干扰,虹膜定位算法需要进一步改进,以及怎样有效的提取出虹膜的特征信息进行虹膜识别。文中着重从这几个角度展开,来研究虹膜识别算法,基本上达到了预期的效果。1基于膨胀和小波变换的睫毛干扰抑制算法为了解决虹膜识别过程中睫毛干扰导致虹膜定位不准确的问题,本文提出一种基于膨胀和小波变换的睫毛干扰抑制算法。该算法首先对采集到的虹膜图像进行膨胀运算,膨胀运算可以消除明显的噪声干扰,然后利用小波去噪原理,对变换后不同尺度的高频系数进行阈值处理,低频部分进行反锐化掩模,最后经小波逆变换重构虹膜图像。虹膜定位仿真对比试验结果表明：文章所提算法对睫毛干扰的抑制能力效果明显,达到了应用的需求。2基于蚁群和Hough变换的虹膜定位算法为了克服传统的虹膜定位算法准确率不高的特点,提出了一种基于蚁群和Hough变换的虹膜定位算法。该算法首先利用梯度信息在虹膜边缘处的直观响应作为启发因素,引导蚁群搜索虹膜边缘。然后蚂蚁根据路径上的不断更新增大的信息素,搜索到虹膜的内外边缘的像素点。最后通过Otsu阈值和Hough变换确定出虹膜内外边界。实验表明：该算法能够有效快速的定位出虹膜的内外边界。3基于局部灰度极小值点的虹膜识别算法虹膜的特征匹配是虹膜识别算法中最为关键的一步,直接决定了虹膜识别的成败。由于虹膜纹理结构的特点,提出了一种基于局部极小值点的虹膜识别算法。该算法首先记录虹膜区域局部灰度极小值点的位置,采用最小值合并法进行压缩,然后对压缩后的虹膜图像进行特征提取和编码,最后的编码信息和模板信息进行“异或”运算,可得出最后的识别结果。实验结果表明：本算法具有非常好的识别性能。