虹膜识别作为重要的生物特征识别,因其具有唯一性、稳定性、可采集性、非侵犯性等优点而引起了广泛的关注,并且取得了相应的成果。然而在识别速度和准确率方面,很难做到两全其美,而虹膜图像质量评估的出现则使解决此瓶颈问题成为可能。本文通过对虹膜图像质量要求的研究,提出了一种虹膜图像质量评估算法,该算法包含虹膜图像清晰度、虹膜可见度两个指标。为了提高自动虹膜识别系统中图像筛选的速度,将上述两个指标综合为“虹膜图像综合质量评估”指标。与此同时,本文还对虹膜定位算法进行了改进,提高了定位的准确性。在虹膜图像清晰度上,根据图像在灰度值上的特性,提出运用“拉普拉斯（8邻域微分）算子和”方法实时地判断输入图像的清晰度,如果被初判为模糊的图像,则进一步通过改进的基于拉普拉斯锐化与FFT（快速傅立叶变换）相结合的算法来分析图像产生模糊的原因。在虹膜可见度上,是用虹膜比重因子和瞳孔缩放因子的乘积来表示。其中,虹膜比重因子是先根据图像的灰度特征,获取虹膜像素点的个数,从而得出该区域上的虹膜比重因子;瞳孔缩放因子是运用虹膜图像定位结果,通过几何方法来计算。在虹膜图像综合质量评估上,其定义为:Q=ω₁Q₁+ω₂Q₂。其中,Q₁和Q₂分别为虹膜图像清晰度和虹膜可见度质量评估因子,ω₁为Q₁因子的权值,ω₂为Q₂因子的权值。Q指标能够很好地体现虹膜图像质量同Q₁,Q₂的变化关系,并且计算简单,易于实现。本论文提出的算法和思路丰富了虹膜识别技术的研究,并且能提高识别的准确率,具有一定的理论和实践意义,但算法仍存在一些缺陷（比如:虹膜图像的质量评估都是在定位处理之后进行,无疑与后期的虹膜识别工作重复）,需进行进一步研究和改进。