在互联网迅速发展的今天，信息安全和身份识别成为人们普遍面临和广泛关注的问题，对身分识别也提出了更高的要求。传统的身份识别方法在准确性、安全性和实用性等方面已不能满足要求。而基于人体生物特征的生物识别技术由于具有稳定、便捷、不易伪造等优点，为我们提供一个可靠的替代方案。在众多生物识别技术之中，虹膜识别技术以其极高的性能引起广泛的重视，被誉为是最可靠的生物识别技术之一。本论文首先对虹膜识别技术的各个主要组成部分进行了较为详细的分析和总结，并对虹膜识别中的关键技术进行了研究。在此基础上提出了一些新的思想和算法。并设计了一个可行的、实用的虹膜采集／识别原型系统。本文的主要贡献及创新性工作如下：1．提出一种基于多阈值分割与径向梯度局部极大值相结合的虹膜定位算法。本算法对虹膜的内、外边界采用不同的定位方法。在定位虹膜内边界即瞳孔边界时使用的是基于多阈值的分割方法，即使用阈值分割的方法将瞳孔从背景中分割出来，从而实现瞳孔的定位。但由于虹膜图像中瞳孔区域灰度的分布并不一致，因此很难设定一个合适的阈值将瞳孔准确地分割出来。故而在本文中通过设定多个阈值，从最小阈值出发，依次用这些设定的阈值对瞳孔进行分割，并检查分割出来的瞳孔是否完整，直到分割出完整的瞳孔。利用多个阈值可以既保证分割出较为完整的瞳孔又能尽量减少被分割出来区域中包含其它的背景，使瞳孔分割中阈值的选择更加合理。而在虹膜外边界的定位中首先以瞳孔圆心为原点，利用极坐标将虹膜展开为矩形；然后计算其垂直方向的梯度，并找到各列的最大值点；从这些找到的最大值点出发，找到相邻列的局部极大值点，并按一定规则将这些极大值点连成队列，选择其中最长的队列作为虹膜边界，从而确定虹膜外边界的参数。本算法简单、准确、鲁棒性强，并且由于本算法的搜索空间为N~2，因此处理极为迅速。实验结果表明，在CASIA v1．0图库上，本算法的速度可以达到基于圆积分微分算子的虹膜定位算法的500倍以上。2．提出一种基于屏蔽模板的眼皮和睫毛检测算法，这种算法根据眼皮和睫毛遮挡程度的不同设计了8种屏蔽模板；为估计眼皮及睫毛的遮挡程度，在归一化的虹膜图像中将对应于原始图像中眼皮及睫毛最常出现的上、下两个各90°区域各分为8个子块；选择眼皮及睫毛较少出现的左、右两边作为参考区域并计算出参考区域均值和方差；分别计算各子块中灰度相对于参考区域均值的二阶矩，并根据参考区域的方差判定子块中是否包含被眼皮及睫毛遮挡的区域；最后根据这些包含眼皮及睫毛遮挡区域的子块出现的位置确定眼皮及睫毛遮挡的程度选择合适的屏蔽模板。本算法简单可靠，能够有效地判断出眼皮和睫毛遮挡的程度及位置，并改善虹膜识别系统的整体性能。3．提出一种基于脉冲耦合神经网络(Pulse Coupled Neural Network PCNN)分割的虹膜特征提取算法。这种算法直接使用虹膜图像中的局部不规则斑块作为虹膜特征，利用PCNN神经网络将这些作为虹膜特征的局部不规则斑块分割出来，并将经过PCNN神经网络分割的二值化的虹膜图像作为虹膜特征码。然后通过计算两个虹膜特征码之间的海明距离来估计它们之间的相似程度。这种算法快速有效、鲁棒性强，并且算法易于实现和调试。4．在以上工作的基础上设计了一个实用的虹膜采集／识别原型系统，详细讨论了虹膜图像采集过程的的难点及其解决方案，详细阐述了摄像头的选型、摄像机镜头的要求、自动对焦的实现及系统软、硬件的划分等虹膜采集／识别系统的总体设计方案，并简要介绍了虹膜采集系统的硬件设计方案；5．介绍了虹膜采集／识别系统的软件设计方案，讨论了电机驱动电路的固件程序设计方法，介绍了电机驱动电路USB驱动程序设计方法，并详细介绍了虹膜识别系统程序设计方案。