全球经济和科学科技的快速发展使得现代社会对安全性的要求越来越高。传统的个人身份识别方法已经不能满足信息安全的要求,于是人们提出了使用人体生物特征进行身份识别的生物特征识别技术,如指纹、虹膜和语音等。其中虹膜身份识别技术借助其非侵犯性、高可靠性等优点迅速发展,正成为该领域中的研究热点。基于虹膜的身份识别技术主要由以下几个部分构成：虹膜图像获取、虹膜定位、图像预处理、特征提取、虹膜匹配。本文研究的虹膜识别算法主要针对虹膜定位、特征提取和模式匹配三部分。本论文根据虹膜图像的灰度特征进行虹膜定位。首先寻找瞳孔内一点,然后定位圆边界上的三点,再由“非共线的三点确定一个圆”的几何原理,计算出圆的半径和圆心,本文采用这种基于几何原理的虹膜定位方法分别确定出虹膜内外边界。考虑到虹膜外边缘灰度变化不是很明显,在定位外边缘时,采用4点2次选择定位,然后在其中选出较合理的定位结果,代替原来的3点1次定位,可有效减少定位误差,增加定位的准确率及定位精度。本文使用毯子维和缺项提取虹膜纹理信息。充分利用虹膜纹理的自相似和丰富的变化细节所具有的分形几何特性,采用纵向扩展毯子维表达不同分辨能力下虹膜纹理的变化及其辐射排列特点。但由于分形维数自身的不足,许多纹理和分形表现不同的虹膜却具有相同分形维数,为此我们通过引入缺项进一步提取虹膜图像的纹理特征。两者的结合能够更加全面的反映虹膜纹理的细腻变化,提高了识别算法的分类能力。虹膜匹配中,为了消除眼睛旋转造成的差异,本文在采用归一化相关分类器的基础上引入循环移位算法。同时对该方法中参数的最佳设置进行了研究,提高了匹配率。以中科院CASIA-IrisV3-Interval数据库为实验样本,在Matlab 7.0平台上对上述虹膜识别算法进行仿真实验。实验结果表明本文提出的虹膜识别处理算法在识别速度和识别准确率上都达到了较理想的效果。本文最后对本课题涉及的所有工作进行了总结,并对后期研究工作进行了展望。