虹膜识别是应用数学、图像处理和模式识别等学科的交叉课题。虹膜定位是指把虹膜区域从人眼图像中分离出来。定位的精确程度关系到虹膜的特征提取及匹配,所以虹膜定位结果的准确与否直接影响到虹膜识别系统的准确性和高效性。本文主要研究不同虹膜图像的相关定位算法,在保持定位准确率的同时,提高算法的计算效率和稳定性。本文首先对虹膜识别系统进行介绍,然后介绍了现有的虹膜定位算法及相关的改进方法,并分析了算法的优缺点。本文针对UBIRIS v2.0彩色噪声虹膜图像数据库,提出了一种基于微积分算子的彩色虹膜定位算法。定位算法直接选取彩色图像的R层,利用二维Gabor滤波器和图像梯度检测光斑区域。然后使用AdaBoost算法进行虹膜初定位,并采用抛物线形微积分算子定位上下眼睑。在极坐标展开的虹膜图像上,求得虹膜边界的径向梯度。基于微积分算子,通过局部极值的逐步迭代,定位虹膜的外边界。最后使用同态滤波对虹膜区域进行增强处理,再定位虹膜内边界。实验表明,定位算法的计算效率较高,而且具有较好的准确性和稳定性。基于RANSAC的虹膜定位算法主要是针对虹膜本身近似于椭圆或虹膜发生偏转变形的情况。对于预处理后的虹膜图像,通过阈值分割和最大连通区域判断,分离出瞳孔区域。定位上下眼睑后,在极坐标展开图像上,检测虹膜边界点。最后利用基于最小二乘拟合的RANSAC算法定位虹膜边界。基于聚类分析的虹膜分割方法,主要是提出一种虹膜分割的想法。利用虹膜的灰度分布特点,在微积分算子定位后,选取定位结果附近的环形区域,利用最大类间方差聚类分析方法,重新对虹膜进行分割。本文通过实验验证了算法的有效性。