在全球安全性和实用性被高度重视的今天,生物特征识别技术受到了各个国家和诸多领域的广泛关注。而作为生物特征的一种,虹膜识别技术凭借其高准确性、非侵犯性等优点成为专家学者关注的对象,在近二三十年里迅猛发展,并逐渐成熟,被认为是未来最可靠、最有发展前景的生物特征识别技术。本文首先介绍了生物识别技术的发展现状及分类。之后对虹膜识别系统的各个组成部分做了详细介绍,并总结了一些经典的虹膜识别算法。本文重点研究了虹膜定位、特征提取和模式匹配三个方面。在虹膜定位过程中,本论文使用基于人眼图像灰度分布特征的定位方法。首先根据人眼内瞳孔灰度值较低这一特点定位瞳孔内一点,由于虹膜内外边界灰度值梯度较大,表现在灰度曲线上为出现最高或最低值,搜索这两点,确定出内外边界上不共线三点,依据几何上“非共线三点确定一个圆”的原理,得到虹膜内外边界圆的参数。本定位方法能有效减小定位误差,提高定位速度。在特征提取过程中,本论文分别提取了虹膜的毯子维特征、毯子维截距特征、多分辨率毯子维特征以及张量子空间特征。毯子维技术体现了虹膜图像的纹理变化特性；多分辨率毯子维在毯子维的基础上,将图像覆盖面由高到低变化的分辨率组成一个变化向量；毯子维截距特征能够反映图像灰度曲面变化的快慢,还能反映图像灰度表面的粗糙程度；张量子空间分析能够提取纹理的空间几何结构特征。其中,多分辨率毯子维最能有效提高识别系统的分类能力。在模式匹配过程中,本论文使用归一化相关性分类器进行匹配识别。其中在解决虹膜旋转角度补偿方面,本文提出一维统计排序滤波器和最小二乘抛物线拟合相结合的方法对旋转角度进行补偿。最后对本文旋转角度补偿方法和传统循环左右平移方法进行了对比研究,发现本文补偿方法在提高系统性能方面具有有效性。最后对全文工作进行了概括性的总结。本论文所有工作都是使用中科院CASIA虹膜数据库,在MATLAB7.0平台上进行仿真实验。实验结果表明本文所用方法能够提高识别系统的性能。