随着物联网、互联网及计算机信息技术的快速发展,信息安全越来越受到人们的重视,人们对稳定可靠的身份识别技术的需求也越来越强烈。传统的身份识别技术由于其固有的局限性在社会快速发展的今天已逐渐的不能完全满足人们的要求,在这样的环境下,生物识别技术就逐渐的进入人们的视野,并因为其稳定性、便捷性、可靠性获得人们广泛的认可。而虹膜识别作为生物识别技术的一种,以其高度唯一性、高稳定性、高防伪性和非侵犯性,被认为是最可靠的生物识别技术,其发展和应用前景十分广阔。虹膜识别技术主要包含虹膜图像采集系统、图像预处理、特征提取和匹配识别四个部分。要进行虹膜识别,首先通过图像采集系统采集有效的虹膜图像,接着要对虹膜图像进行预处理,预处理步骤一般包括虹膜区域、眼睑和睫毛区域的定位、归一化和图像增强；进而对归一化后的图像进行特征提取,将提取出的虹膜特征信息用数字来表示,最后对数字化的虹膜特征进行比对匹配。其中,虹膜图像预处理是至关重要的一个环节,预处理的结果直接影响到后期的特征提取和匹配进而决定虹膜识别系统的精确度。本文主要对预处理过程中的眼睑和睫毛检测算法进行探讨研究。在非理想状态下,虹膜图像采集装置采集到的虹膜图像不仅包含虹膜区域,还有睫毛、眼睑等等,如果睫毛和眼睑占去虹膜区域的很大一部分,在后续的特征提取和特征匹配阶段,眼睑和睫毛的遮挡部分也会被当成虹膜特征被提取、编码、匹配,这将在很大程度上影响虹膜识别系统的精度,所以良好的睫毛和眼睑检测算法的研究和应用十分必要。在睫毛检测方面,目前的睫毛检测方法,依赖于眼睑的检测,需要设定固定的阈值,复杂且检验不准确,本论文提出一种基于最大期望值和高斯混合模型的睫毛检测算法,该算法基本原理是将采集到的图像的灰度值分布用一个K阶的高斯混合模型来表示,将每幅采集到的图像看作是一系列高斯函数的混合,睫毛部分的图像或者是包含睫毛的某个部分的图像的灰度分布就满足一个高斯函数分布,通过求出这个高斯函数的参数找到睫毛并消除睫毛对识别精度的影响。该睫毛检测算法通过建立图像的高斯混合模型、求解图像的高斯混合模型参数检测睫毛,不依赖眼睑的检测,不用设定固定的阈值,解决了以往检测睫毛较复杂、检测不准确的问题,具有更好的实用性。在眼睑检测方面,本论文提出了一种基于混合边缘检测的眼睑检测算法,首先进行图像滤波消除睫毛遮挡对眼睑检测的影响,通过对滤波后图像的边缘检测图像的处理,大大的减少了眼皮边缘信息并确定眼睑拟合区域,可以快速准确的定位眼睑并且有效避免非真实眼睑的测定。该算法具体上是先用序统计滤波器对虹膜图像进行滤波,然后在滤波后的图像上进行边缘检测,留下从瞳孔圆心向边缘检测图像边缘引射线遇到的第一个点,然后再结合最初的边缘检测图像形成眼睑检测区域,最后在这个区域上进行曲线拟合。为了验证本文提出的睫毛和眼睑检测算法的有效性,本文对中科院CASIAV1虹膜图像库进行了仿真实验并对实验结果进行了分析。实验结果证明本文提出的算法能够有效的检测出虹膜图像中的睫毛和眼睑,对虹膜图像质量评判和特征提取具有良好的指导意义。