随着现代社会信息技术的发展，对安全性的要求越来越高。因此，基于人体生物特征的识别技术得到了迅速的发展和应用。作为生物识别技术之一，虹膜识别己经被逐步应用到身份认证等安全领域。虹膜识别是基于人眼虹膜纹理特征来确定人的身份的一种识别方法，也是最为准确的生物特征识别方法之一。 一个完整的虹膜识别系统包括虹膜图像获取、虹膜图像预处理、特征提取和分类匹配。基于中国科学院自动化所提供的CASIA 虹膜数据库，本文对虹膜识别的各个环节进行了研究和探讨，提出自己的一些改进方法并进行了实验仿真，实验结果说明了提出算法的可靠性和高效性。主要工作如下： 1．在虹膜定位方面，采用改进的Canny边缘检测和改进的Hough变换方法定位虹膜内外边界，从而达到平移不变性。此方法缩小了搜索范围，提高了速度。 2．对于眼睑和睫毛的遮掩对识别的影响，提出了一种新的基于Radon 变换的虹膜噪声去除方法，有效地消除了眼睑噪声信息的影响，同时结合阈值法剔除睫毛。通过实验证明，本文的去噪方法有效地抑制了眼睑和睫毛信息，提高了虹膜识别率。 3．对定位后的虹膜，采取了有效的归一化方式，在极坐标下把虹膜从环行展成矩形，并对归一化图像增强。 4．通过对特征提取与编码的传统算法进行的研究和分析，提出了三种改进的算法：(1)基于多通道小波滤波的虹膜识别方法；(2)基于二维小波变换和方向向量相结合的方法；(3)基于局部walsh 变换的虹膜识别方法。 5．在模式匹配与分类器设计的方法上，根据不同算法所提取特征的不同，分别采用改进的Hamming 距离分类器和加权欧式距离分类器进行模式分类。同时，为了减少角度旋转对识别的影响，设计了一种循环移位的方法，有效地减少了角度旋转带来的影响，进一步提高了虹膜的识别率。 通过Matlab 仿真实验，证明本文所提出的虹膜识别算法的有效性，达到了较高的精确度和速度，可作为今后构建一个可靠虹膜识别系统的算法基础。