人体生物认证在现实生活中起着重要的作用,而虹膜作为人体的重要特征已经成为身份识别的重要特征。本文在虹膜图像预处理、虹膜特征提取与编码、模式匹配与分类器设计等方面进行了深入研究,取得了如下成果:首先针对复杂噪音干扰下的虹膜与巩膜的边界,提出了一种基于统计原理的边缘检测阈值分析方法(Edge Detection Threshold Analysis Method, EDTAM),提取出虹膜外边界象素,最后采用最小二乘法进行拟合,得到虹膜外圆的圆心与半径。其次对虹膜特征提取与编码的传统方法进行了详尽的阐述和分析,并基于零谱矩滤波器和一维特征给出了两种改进的算法,试验表明,改进算法能得到更准确的虹膜特征。再次对模式匹配方法与分类器设计进行了研究,并提出了一种新的分类器,即SIDASAM (Spectral Information Divergence and Spectral Angle Mapper)分类器。此分类器很好地利用了SID和SAM的优点,能够起到良好的分类效果。最后,借助CASIA提供的虹膜图像数据库,对所涉及的算法进行了系统的测试,得到了大量的实验数据,给出了测试结果。理论和实验证明,本文所提出的几种改进算法优于传统的虹膜识别方法,同时能有效地克服漂移、缩放、旋转和光照变化对虹膜识别的影响,并具有稳定性强,鲁棒性好的特性。