随着互联网时代的到来和通信技术的快速发展，现代社会对人类身份认证的准确性、可靠性和安全性提出了更高的要求，而传统的身份识别已经无法满足现实的需要。因此，基于生物特征识别技术应运而生。由于虹膜具有稳定性、唯一性等优点，虹膜识别技术也越来越受到人们的重视。目前虹膜识别的理论研究得到不断完善，同时也已经在诸多应用领域进行了尝试。
　　本文首先介绍了生物特征识别的背景和意义，并简要介绍了几种常用的生物特征识别技术，对这些技术的优缺点进行比较，然后介绍了虹膜识别的主要特点、发展历史和应用领域，接着介绍了虹膜识别系统的整体框架，并对识别过程中各个阶段的算法进行分析。在深入了解常用虹膜识别算法的基础上，研究和改进的算法如下:
　　1.研究了一种基于最小二乘法拟合圆弧的快速虹膜定位算法。算法首先对虹膜图像进行滤波处理，利用直方图阈值区分法把瞳孔以外的区域消除，然后对瞳孔区域进行纵坐标和横坐标投影，初步确定瞳孔的直径和圆心坐标，利用Canny算子提取瞳孔边缘，得到了瞳孔的边缘线，使用最小二乘法拟合圆弧，从而定位虹膜内边缘。对于虹膜外边界的定位，先估算可见的外边缘弧线，消除眼睑、睫毛等造成的干扰，再用最小二乘法拟合左右边的两段圆弧，定位虹膜外边界。最后利用横向区域杂点统计法定位睫毛。实验结果表明，本文的定位算法和传统的定位算法相比，定位速度更快、更准确。
　　2.运用改进型的线段提取法对虹膜进行归一化。基于线段提取法是利用线段平均取点的方法对虹膜区域进行归一化，而传统的线段提取法在虹膜归一化时，如果虹膜内外圆的圆心不在同一水平线上，归一化就可能出现了提取偏差。本文在深入理解线段提取法原理的基础上，分别利用虹膜内外圆心为中心来表示各圆上的坐标点，确保在虹膜区域径向特征点的提取相对应，从而实现了虹膜区域归一化。
　　3.研究了一种基于中心对称局部二值模式的虹膜特征提取算法。该算法是计算每个中心像素周边相对称像素的灰度值之差，对差值进行量化处理，然后按照一定顺序排列得到的值作为中心像素的特征值。得到的特征值范围只有0～16，减少了计算维度和复杂度。
　　4.虹膜的匹配部分分为特征值配对和占比统计两部分。首先把两个模板对应的特征值进行比较，相同的记为0，相异的记为1。然后统计值1所占整个特征模板的比例，通过对特征模板的循环移位寻找最小的占比值作为最终匹配依据，通过实验确定最佳阈值和循环移位位数来提高识别率。
　　本文算法的虹膜图像来源于CASIA4.0虹膜图像数据库，在Matlab11b上进行了仿真和实验。实验结果表明，本文研究的算法具有较高的识别率和具有一定的应用价值，可作为今后虹膜识别领域的理论参考。