虹膜定位做为基于虹膜的身份认证系统中的关键步骤,直接影响系统的鲁棒性和准确性。为了提高虹膜定位算法的性能,本文通过对虹膜定位的质量研究,融合了基于微积分算子与霍夫变换的虹膜定位方法,最后为了减轻光斑噪声对虹膜定位带来的不利影响,本文构建了虹膜图像修复网络。为了提高虹膜定位的准确性与鲁棒性,本文在预判虹膜定位质量的基础上融合了微积分算子与基于边缘检测的霍夫变换方法,并加入了图像修复与质量预测置信判断过程进行辅助。首先,在假设虹膜内外边缘为圆形的前提下,使用微积分算子方法估计虹膜的内外边缘的圆心和半径。然后对微积分算子的定位结果进行质量判断,质量不达标的样本使用霍夫变换进行重定位。若重定位的结果仍未通过,那么进行质量预测置信度判断,即判断两次定位结果的IOU,如果外圆大于0.75同时内圆大于0.85,那么认为此次质量预测的结果不可信,保留微积分算子的定位结果。如果IOU小于阈值,那么对图像进行修复重建。重建过程主要为了减轻光斑噪声对定位造成的影响。通过跟进图像修复的相关研究,本文构建了适用于当前任务的code-encode模型。为了增强重建的效果,本研究引入了基于阈值的光斑检测方法并生成噪声模板,辅助网络对噪声位置进行定位。修复后的图像经过微积分算子再次定位作为最终结果。另外值得一提的是,当重建的结果PSNR与SSIM指标小于阈值的时候,被认为是重建失败,算法仍然保留首次微积分算子的定位结果。本研究在中科院提供的CASIA-Iris-Thousand公开数据库上进行仿真实验,算法的定位准确率由单独使用微积分算子方法的92.68%提高到95.08%,实验结果有效证明了本算法的优越性。