生物特征识别技术是一种新兴的身份识别技术，由于其具有很高的安全性与防伪性等特点，目前越来越受到广大科研工作者们的关注。在众多生物特征识别技术之中，虹膜识别技术由于具有高度的防伪性、唯一性、稳定性、可采集性以及非侵犯性等特点，被认为是一种极具研究价值与应用前景的生物特征识别技术。
　　 本文首先介绍了生物特征识别技术的背景知识以及现有的几种生物特征识别技术，并对它们的特点进行了比较；然后详细介绍了虹膜识别技术及虹膜识别系统的构成；并对虹膜识别的算法进行研究，提出了一种基于Gabor 滤波器提取局部纹理特征的虹膜识别算法，并在CASIA数据库中进行了相关实验。虹膜识别算法包括虹膜图像的定位、归一化及特征提取与匹配，在本文中对每个步骤都进行了研究，主要工作内容如下：
　　 1. 研究了一种基于最小方差搜索圆心的快速虹膜定位算法。该算法首先利用区域生长法消除亮斑的干扰；然后利用虹膜的灰度分布特征采用投影法粗略得到虹膜的内边缘圆周参数；最后利用Canny 算子、先验知识以及内边缘圆周参数，采用设计的算法得到虹膜外边缘圆周参数；
　　 2. 运用Daugman的橡皮纸模型法归一化虹膜图像，得到虹膜的矩形图像，使虹膜图像具有平移、缩放不变性；再对虹膜归一化图像进行图像增强以提高虹膜纹理的对比度；最后确定虹膜图像的有效区域以减少眼睑及眼睫毛等噪声对虹膜纹理的影响；
　　 3. 研究了一种基于Gabor 滤波器提取局部纹理特征的虹膜特征提取算法。该算法是将滤波器滤波输出图像的滤波系数的绝对值函数作为权值，对滤波图像所有像素点进行加权平均，从而确定虹膜特征点，并设计了一种较优加权的方法，使滤波系数大的对特征点贡献大，滤波系数小的对特征点贡献小。最后利用设计的欧式距离分类器对虹膜特征点进行分类匹配。
　　 将本文设计的算法在中科院自动化研究所提供的CASIA虹膜数据库子库中进行实验，实验结果表明，该算法具有很高的识别率，识别率达到99.77％，并且该算法对虹膜的旋转具有相对稳定性。