虹膜图像分割算法在于从虹膜图像中分割出有效的虹膜带以用于识别系统进行相似性匹配。合理的算法流程包括光源反射区域的检测与填补、瞳孔边界检测、虹膜外边界检测、眼睑定位以及睫毛检测。虹膜图像分割算法是虹膜识别系统先导部分且占有十分重要的地位,可以说其对虹膜识别系统的精确度和性能起着关键性和决定性的作用。然而在无限制或低限制等复杂环境下的采集中,往往会出现反光强、虹膜遮挡严重、毛发干扰多以及离轴畸变。本文中针对目前分割算法的不足,重新定义了数学抽象模型以更符合人体眼球的生理结构特性,并根据该模型提出了一种在复杂环境下快速有效的虹膜图形分割算法。算法首先使用了有符号的微积分算子和环形模型进行反光点的检测和填补,然后采用基于Haar特征的Adaboost分类器进行虹膜粗定位并截取其为感兴趣区域。接着将该区域变换到极坐标系,应用灰度梯度算子用以强化边缘边界梯度,梭形三叉树模型和最优路径计算法则将应用于该灰度梯度图像以分割出瞳孔边界和虹膜外边界。本文提出的灰度梯度-梭形三叉树法能弱化局部噪声的干扰,以获得全局最佳光滑连续瞳孔与虹膜外边界。在直角坐标系下,经过统计排序滤波器滤波后该方法同样适用于检测上下眼睑。在虹膜识别系统中应用该算法,试验结果与目前流行算法相比较,在识别精确度、误拒率(FRR)、误识率(FAR)和等错误率(ERR)等性能评价指标上均得到一定的改善。