随着传统身份认证技术出现的漏洞和不足，身份安全问题地解决迫在眉睫。因此人们开始对生物特征认证技术进行研究，作为最可靠的生物特征认证技术之一的虹膜识别，因其唯一性、稳定性、高可靠性和非侵犯性等优点而备受关注，形成了生物特征识别的新领域。通过图像获取装置采集到的虹膜图像除了包括虹膜区域外，还有巩膜、眼睑、眼睫毛、光斑等噪声。因此把眼睑等噪声检测出来，同时确定出虹膜的准确位置便成了虹膜识别中最为关键的步骤之一。　　 本文对虹膜识别前期图像预处理进行了研究，主要工作如下：　　 一、改进了传统RADON变换检测眼睑的算法。针对传统RADON变换检测眼睑算法的不足，本文主要进行了如下改进：剪裁图片获得包含眼睑的感兴趣区域；用一种综合评价算子(GAC，General Assessment ofCoefficient)来选择RADON变换矩阵里面的最优亮点。实验证明该算法在眼睑检测，特别是直线型检测的时候，不仅保持了较高的准确率，同时很大程度上降低了平均实验耗时。　　 二、设计了一种基于坐标投影和模糊最大熵(Fuzzy MaximumEntropy，FME)的虹膜定位算法。该算法分为虹膜内边界定位和外边界定位两个步骤。内边界定位是多次进行坐标投影得到瞳孔区域参数，从而定位出虹膜的内边界；对于外边界定位，首先利用模糊最大熵把原始虹膜图片的灰度等级进行了调整，使边界轮廓更加突出，然后利用坐标投影理论获得外边界的候选点集，接着本文用了两个模板对上面得到的候选点集进行投票，最后根据虹膜的圆形特征确定出虹膜的位置参数。实验证明该算法在准确率，特别是实验耗时方面都取得了较好的效果。　　 三、本文用中科院CISIAV1.0虹膜库的图片对以上两个算法进行了实验和仿真。通过实验证明本文的眼睑检测算法在检测直线型眼睑的时候，较其它算法具有明显的优势；同样虹膜定位算法在定位轮廓明显呈现圆形的虹膜时候，效果比较明显。