虹膜识别是新兴的生物识别技术之一,受到了信息安全领域研究者的广泛关注。与其他生物特征识别技术相比,虹膜识别具唯一性、稳定性、防伪性、非侵入性等特点,使得虹膜识别技术被认为是未来主流生物识别技术之一,是当前研究的热点。虹膜识别系统中,劣质的图像严重影响虹膜识别系统的识别率。本文针对虹膜图像的质量严重影响虹膜识别系统识别率的问题,以数字图像处理中的小波变换理论为基础,提出了一种渐进式虹膜图像质量评估模型。论文的主要工作包括：(1)通过对Daugman虹膜识别系统及Wildes虹膜识别系统两个典型虹膜识别系统的分析,明确了虹膜识别技术对虹膜图像质量评估的需求模型；(2)通过对国内外现有虹膜图像质量评估技术的对比与分析,在吸收前人优秀成果的基础之上,提出了一种渐进式的虹膜图像质量评估模型,从像素级和图像级两个层次对虹膜图像进行了渐进式的质量评估。其中,像素级评估包括光照评估、反射光斑评估、定位合理性评估、模糊评估、遮挡评估等方面；(3)为了对本文所提出的虹膜图像质量评估模型进行验证,本文在研究中将该模型的关键算法与Masek虹膜识别系统相结合,采用CASIA、UBIRIS、WVU虹膜库所收集的虹膜图像作为实验样本,与前人研究成果进行了对比实验。实验表明,本文所提出的评估模型在模糊评估、遮挡评估等单因素评估实验中优于现有成果或与现有成果处于同一水平,但本文提出的模型评估因素更具有普遍性,更好地解决了虹膜图像的质量评估问题,具有一定的理论及实际应用价值。