虹膜定位在虹膜识别系统中具有举足轻重的作用。在现有的研究当中,定位算法的准确度和算法的速度是相互制约的。目前主流的虹膜定位算法在速度上都不能满足虹膜识别系统的实时要求。本文提出了一种新颖的非线性方法,利用虹膜边缘候选点集作为非线性拟合的数据,通过最小二乘法与图像灰度垂直投影相结合的方法来拟合虹膜的内外边缘。本文对该算法进行了实验,并与其他现有的定位算法同在CASIA虹膜图像库上进行比较,实验结果表明本文提出的算法在保证准确率的基础上具有比其他几种算法更快的速度。虹膜图像的质量对于虹膜识别系统同样是十分重要的。在实践中,由于目前的识别算法的健壮性不够,采集到的质量不好的虹膜图像往往造成识别误匹配。为了避免这些问题,我们需要先对虹膜图像进行评估,选择清晰的、适合虹膜识别系统要求的图像,而拒绝质量不好的图像。然而,针对这个问题的解决方法依然不多,研究相对较少。现有的几种虹膜质量评估的算法作用有限,效率和准确率不高。在本文,提出了一个基于拉普拉斯锐化与快速傅里叶变换相结合的质量评估算法,不仅能够很好的对虹膜图像质量进行评估,而且能将质量不好的虹膜图像准确的分为三类:离焦模糊图像,运动模糊图像,眼睑和眼睫毛遮挡过多的图像。分类信息可用于提醒系统和用户纠正错误。并将该算法与现有较好的虹膜质量评估算法进行了详细的比较,结果表明该算法在评估虹膜图像质量上具有良好的准确性。