随着信息技术的发展和日益增长的对安全的需要，基于虹膜的身份识别作为一种高度可靠的非侵犯性生物特征识别方式越来越受到人们的重视。 虹膜识别系统一般由图像采集、虹膜分割、归一化及图像增强、特征提取及编码和匹配识别几个部分组成。本文在总结目前虹膜识别技术研究进展的基础上，结合图像处理、信号处理和模式识别技术就虹膜识别中的虹膜分割、归一化及增强、特征提取及编码和分类决策问题展开探讨，提出自己的一些改进方法并进行实验对比，对进一步研究虹膜识别技术有一定的借鉴作用。 在虹膜图像的分割阶段，采用改进的Canny边缘检测加改进的Hough变换法定位虹膜内外边界，采用改进的Canny边缘检测加分块Radon变换法分割上下眼睑，阀值法剔除睫毛，从而达到平移不变性。同时也研究了文献中常用的固定区域剔除法分割眼睑及睫毛，以作对比。 归一化及图像增强阶段，采用橡皮筋模型对虹膜进行归一化以达到尺度不变性，同时对虹膜及其所包含的区域而不仅仅是虹膜区域进行局部直方图均衡化，以增强虹膜特征区域的对比度。 特征提取及编码阶段，根据虹膜特征的分柿特点，采用“内多外少”的原则提取特征点。特征编码时，基于信号处理中的空间／频域技术，针对Gabor滤波器的不足，采用一维Log Gabor滤波器提取虹膜的纹理信息，进行相位量化与编码，加权海明距作为虹膜之间的距离量度。最后，在大量实验的基础上，讨论了滤波器的几个参数对识别结果的影响，从而确定一组能达到最佳识别效果的参数来指导虹膜特征的提取。 在分类决策阶段，选取最小距离分类器和具有最小错误率的分类阀值形成组合的分类决策规则。整个虹膜识别系统在中科院虹膜数据库上，取得了96.6％的定位正确率和0.23％的识别等错率。