人体虹膜特征具有稳定性高,唯一性好的特点,同时可以使用非接触方式进行采集,非常适合用于身份认证。然而,目前的虹膜图像噪声检测算法和虹膜定位算法速度较慢,鲁棒性较差,同时虹膜特征编码规模较大,传统的编码配准方式也增大了模式匹配计算量。这些因素限制了虹膜识别过程的速度与准确性,使得基于虹膜识别的身份认证方式难以应用到更广泛的领域中。因此,速度快,精度高,鲁棒性好的虹膜识别算法的研究成为重要课题。本文主要针对虹膜识别过程中的噪声检测、虹膜定位、特征编码与配准等方面的问题进行了分析研究并提出了改进方法,取得了较好的实验效果。本文主要完成了以下三方面的研究工作：(1)改进了虹膜图像睫毛和眼睑检测方法。针对虹膜图像中的睫毛干扰,采用自适应双阈值方法进行检测,根据不同图像的光照情况,灵活地调整阈值,相比现有睫毛检测方法在应对不同光照条件时具有更好的鲁棒性；针对虹膜图像中的眼睑噪声,通过分析图像的灰度特征定位眼睑上的像素点,然后对这些点使用最小二乘法进行拟合检测出眼睑位置,较好地解决了混有睫毛干扰的眼睑难以检测的问题。(2)给出了新的虹膜内、外边界定位方法。采用基于连通域检测的方法进行虹膜内边界定位,首先选取图像中的最大连通域,然后对该区域进行边缘检测和曲线拟合得到虹膜内边界。通过选取最大连通域的方式可以有效去除光斑、睫毛等对内边界定位产生的干扰,这使得该方法具有较好的鲁棒性。给出了一种基于ROI圈定的虹膜外边界定位方法,首先通过矩形模板确定虹膜外边界检测的ROI,之后在ROI内进行边缘检测和霍夫变换处理,避免了传统定位方式的盲目搜索,有效提高了定位速度和精度。(3)改进了虹膜特征编码和编码配准的方法。只记录特征提取时响应幅值最大的Gabor滤波器的响应和相应编号,并舍弃其他通道Gabor滤波器滤波结果,在尽可能少的损失纹理特征信息的前提下,有效提高了编码效率：采用基于参考点标记的方法进行虹膜特征编码配准,改善了传统的移位配准方式造成的多次匹配问题,计算量减小为传统方式的近六十分之一