随着信息技术的高速发展，人们对身份识别的准确性、实用性和安全性等方面的要求越来越高。传统的身份识别方法已经不能满足现代社会的要求。近些年，基于生物识别技术依靠自身独特的优越性得到了迅速的发展和应用。在现有各类生物识别技术中，虹膜具有非侵犯性、唯一性、稳定性等优点，利用它进行的身份识别具有更高的准确率，目前虹膜识别技术被认为是最具有广阔应用前景的生物识别技术之一。一般的虹膜识别系统主要包括了虹膜图像采集、虹膜图像预处理、虹膜特征提取以及虹膜特征匹配四个部分。其中虹膜定位和特征提取是最为关键的部分。根据虹膜固有的环状特征和灰度变化特征，本文将虹膜定位分成内边缘定位和外边缘定位两个部分。首先定位内边缘，采用了阈值分割和曲线拟合。先根据灰度直方图分割出瞳孔区域，利用二值化初步地将瞳孔分割出来，再在二值化图像中寻找最大的连通块消除睫毛及部分较暗区域的干扰，最后再在二值化图像中找出瞳孔的边缘点，采用最小二乘法估计瞳孔边缘的半径和圆心参数，就得到了虹膜内边缘的准确定位。然后定位外边缘，采用了微积分算子，根据虹膜内边界参数缩小外圆圆心的范围，可以避免盲目搜索，提高定位速度。采用本算法的定位准确率达到了98.28%。在虹膜特征提取过程中，针对当前存在的特征提取方法的不足之处，在以下三个方面进行了改进：(1)对保留纹理区域的改进；(2)沿两个方向提取纹理特征信号；(3)用一阶导数的模极大值比用二阶导数的过零点检测函数f (x)突变点的效果更好。本文先对纹理特征的选取进行改进，然后沿两个方向提取特征，再采用高斯函数的一阶导数作为小波对特征信号作小波变换后，利用模极大值的位置判断奇异点位置，再进行特征编码，最后比较特征编码的相似性，从而实现了匹配识别。采用本算法的识别率为96.89%。本文算法都在VS2008平台上使用中科院自动化所提供的CASIA1.0虹膜数据库进行了测试，结果表明，本文的算法不仅能有效地进行虹膜识别，并具有很好的识别效果。