虹膜识别是指利用人眼中的虹膜区域对人的身份进行识别的一种技术。由于虹膜生物特征具有唯一性、高稳定性、高防伪性、非接触性和非侵犯性等优点，近十几年来受到了广泛地研究。虽然虹膜识别技术目前已有的较多的成果成功地应用在市场上，但是由于虹膜识别技术的应用环境非常复杂，在这种多因素干扰的环境下进行虹膜定位存在较大难度，同时现有的虹膜识别技术在与虹膜模板安全保护结合时还存在较大问题，比如现有虹膜识别算法所提取到的虹膜特征一般不具备旋转不变性，通常都是通过存储多个虹膜模板来获得的，不适合与现有的虹膜模板安全保护框架相结合，针对上述两个问题，本文提出了新的改进性方法。而本文的主要工作主要体现在以下几个方面：针对约束环境和非约束环境下提出了两个虹膜定位算法，其中在约束环境中，我们利用了区域增长的思想对瞳孔区域进行定位，接着利用Canny边缘算子、最小二乘拟合缩小了霍夫变换的参数空间，以加快瞳孔的定位速度，最后利用最大差分积分算子完成对虹膜边缘的定位。而在非约束环境下的人眼图像中，我们采用灰度增长的方式以获得完整的瞳孔区域，并采用全局最小离心率作为鲁棒的迭代停止条件，并利用最大差分点集完成在多种干扰情况的人眼图像中的虹膜定位。其中本文针对约束环境下的虹膜定位算法在CASIA-V3-Interval虹膜数据库上的准确率为99.34%，而针对非约束环境下的虹膜定位算法在CASIA-V4-Thousand虹膜数据库上的准确率为99.55%。而为了避免传统虹膜识别算法存在的多角度展开归一化和移位匹配进行特征比较等繁琐步骤，同时也为了使提取到的虹膜特征适合后续的虹膜模板安全框架，本文提出了一种基于PCET几何矩、具有旋转不变性的虹膜特征提取算法，该方法先利用粒子群算法对多个二维Gabor滤波器的参数进行优化，再利用这组二维Gabor滤波器对虹膜图像进行滤波，并在滤波结果上进行PCET几何矩计算并进行特征选择，产生虹膜特征，最后对产生的虹膜特征进行模板匹配，以获得虹膜特征算法的识别率。实验结果表明，本文提出的虹膜特征提取算法，相比起提取到的虹膜特征具有旋转不变性的同类算法，具有更好的识别效果，在虹膜数据库识别的等错误率为1.19%。