身份安全问题是现代社会的一个重要话题，传统的身份识别手段己跟不上现代社会的步伐，新兴的生物特征识别技术依靠其独特的优势越来越受到广大使用者的欢迎。在众多生物特征识别技术中，虹膜识别的唯一性和稳定性都很好，而且不易被改变，易于进行活体检验，十分适用于身份识别。虹膜识别系统不但要识别率高，更要高效迅速，很难有一种虹膜识别算法能同时满足这两个要求。因此，本论文对虹膜识别技术进行了深入研究，旨在提高整个虹膜识别系统的性能。本论文主要研究基于非理想虹膜图像的生物特征识别算法。针对强光斑情况下的虹膜图像，本论文提出结合2D Gabor滤波器与形态学技术检测瞳孔区域的光斑，并以光斑像素点为中心的矩形区域内的像素灰度均值对每一个可能的光斑进行选择性填充，最后在填充后的图像基础上，引入同时结合几何信息与灰度信息的定位质量评价指标，进一步提高了之前瞳孔定位的准确性。CASIA v3.0虹膜图库中这种方法取得了很好的效果。在检测眼皮与睫毛时，本论文首先选取了一个固定的眼皮与睫毛检测模型，再在上下眼皮区域分别左右移动这个模型以达到覆盖上下眼皮区域的最佳效果，从而实现对上下眼皮和睫毛的自动检测。利用对虹膜定位的精确度不敏感的SIFT算法来提取虹膜特征，SIFT描述的是图像的局部特征，对图像的旋转、尺度变化和光照变化具有不变性，同时对视角变化、仿射变换和噪声也有一定的稳定性，是性能较好的局部特征描述子之一。将Adaboost算法引入到远距离虹膜定位中，首先将人眼从图像中检测出来，经过尺寸、直方图筛选后再进行虹膜定位，缩小了定位的搜索范围，也提高了虹膜定位的速度和精度，再利用以前的算法定位。在CASIA v4.0虹膜图库中取得了很好的虹膜定位效果。