人类的虹膜具有唯一性、稳定性、非侵入性等特点，虹膜识别技术是众多生物特征识别技术中识别率最高的方法之一。随着虹膜识别技术的快速发展，目前研究重点主要关注非理想条件下的虹膜识别。非理想条件下采集的虹膜图像质量退化严重，存在高光亮点、眼睑或镜片遮挡、弹性形变、运动模糊和噪声等污染，这给虹膜识别技术带来巨大挑战。为了解决噪声污染以及遮挡等因素对虹膜识别的影响，本论文主要开展融合多种特征或多模态线索的鲁棒特征提取方法的研究工作，同时关注到大规模数据下的穷尽式图像匹配方法，开展基于图像索引的虹膜识别方法。论文首先提出基于Log-Euclidean协方差矩阵序编码的虹膜识别方法，在Log-Euclidean协方差矩阵的框架下，通过计算各特征间的互相关关系的方法融合多种特征，同时采用序测度对邻近区域提取的特征向量进行特征编码，最后采用Hamming距离度量相似性。其次，研究一种基于低秩矩阵恢复理论的鲁棒虹膜识别方法，提出一种新颖的纹理特征表达方法--序关系矩阵(ORM)，将虹膜识别问题转化为测试图像与训练图像的ORM联合低秩分解的问题，并采用拉格朗日乘数系数法对目标函数进行优化。本文接下来提出一种融合眼周信息的虹膜识别方法，采用全局统计特征和局部特征描述子分别提取眼周图像颜色、结构信息和虹膜的纹理信息，并采用分数级的加权求和的融合策略整合不同方法的匹配值。最后提出一种适应大规模数据的虹膜识别方法，采用一种基于简单而有效的哈希模板编码进行图像检索，构建基于卡诺图的索引数据库，测试图像的特征模板直接与索引后的候选子集中的特征模板对比匹配，提升匹配效率。本文所提出的方法分别在UBIRIS.v2库、CASIA-IrisV4库和ND-Iris-0405库进行大量实验验证并与相关算法进行比较。最后，本文对提出算法进行总结并提出了后续工作的主要研究方向。