随着现代社会信息技术的发展，对安全性的要求越来越高。由于基于人体生物特征识别技术的独特优越性，使得其得到了迅速的发展和应用。与其他生物特征相比，虹膜由于其结构特殊，使得利用它进行的身份鉴别具有更高的准确率。目前虹膜识别技术被广泛认为是最具有推广价值的生物识别技术之一。 一般的虹膜识别系统包括虹膜图像获取、虹膜图像预处理、特征提取和匹配识别等几部分。它的研究主要涉及到了计算机视觉、数字图像处理、小波理论、模式识别等众多学科领域。其中定位和识别是该系统最为关键的部分。 本论文首先根据虹膜的灰度特征进行定位。采用了一种基于几何原理的虹膜定位算法。该方法只需找出圆边界上的三点，再由“非共线的三点确定一个圆”的几何原理，计算出圆的参数，从而确定虹膜内外边界。在确定外边缘参数时，考虑到其灰度变化不是很明显，提出采用4点2次定位，再在其中选出较合理的定位结果，而非简单的3点一次定位。这样可以有效减少定位误差，增加定位的准确率及定位精度。定位准确率达到了98.15％，比一次定位高4.64％。 接着做了各种必要的虹膜图像预处理。主要有对定位好的虹膜图像进行归一化处理，以便消除平移、缩放和大小不同对于虹膜识别的影响；在归一化时为了得到高清晰的虹膜细节，采用了双线性插值的方法来实现灰度值的合理转化；最后还对归一化图像进行了图像增强处理，使得虹膜纹理细节部分更加突出。 其次，在原来的基于曲面匹配的虹膜识别方法上做了一定的改进。针对原方法没有有效解决在虹膜采集过程中的光照强度不完全相同从而造成对识别结果的影响，提出先将图像的灰度调整到同一个等值灰度平面上来再匹配，从而减少该因素对虹膜识别的影响。同时，针对原方法计算方差的计算量比较大的缺点，本文提出直接用两图像的差值平方和作为匹配判断准则的值，从而缩短了匹配耗时。通过这两点的改进使得本算法在识别耗时以及正确识别率两方面的性能上都要优于原算法。本算法的正确识别率为91.61％，比原算法高3.58％，平均识别耗时为298毫秒，原算法的是本算法的3.42倍。 最后为了在同样条件下比较本算法性能，本文采用了虹膜纹理的相位编码识别法，并完成了该算法的编程及性能的测试。 这些算法通过中国科学院自动化所提供的CASIA1.0虹膜数据库的验证，结果表明本方法的实用性能较好。