随着现代社会的高度信息化,人们对身份识别准确性和可靠性的需求也变的更高,基于生物特征识别的身份鉴别方法得到了广泛的应用。虹膜识别技术与人脸、指纹等生物识别技术相比,具有更高的可靠性、稳定性和非侵犯性,被认为是最有前景和最为安全的,这使它成为近年来生物识别领域的研究热点。但是,对于虹膜识别技术的大规模使用仍然存在着一些技术上的问题,使得虹膜识别成为模式识别和机器视觉中最富挑战性的课题之一虹膜识别系统一般由三部分组成：虹膜图像的获取、图像的预处理(虹膜定位、归一化)、特征提取和模式匹配(认证识别)。本文在系统地分析和整理了前人的研究成果的基础上,就虹膜图像预处理、特征提取与模式匹配等方面对虹膜识别技术的算法做了深入研究和改进。本文主要的研究工作包括以下几方面：(1)在虹膜图像定位上提出了一种更为快速和精确的定位算法。采用计算候选圆心与粗定位边缘点的最小方差和对候选点逐点检测的方法实现精确定位。仿真结果表明,本算法思路简单,易于实现,在保证速度的基础上有效提高了定位的精度,避免了搜索的盲目性。(2)在特征提取上引进了粗集理论的概念,利用粗集的粗分类思想和数据离散化方法对特征进行分析处理,对虹膜实现粗分类。首先应用三层小波分解对归化后的虹膜图像进行特征提取,小波变换良好的时频分析特性可以有效的提取出表征虹膜纹理特征的信息,这些信息经过Kohonen网络离散化后生成满足粗集处理要求的数据表,从而实现对虹膜的粗分类,避免了后续匹配过程的盲目性,节省了识别时间。(3)在编码匹配方面,为了改善小波变换不能很好的表征纹理信息局部特性的缺陷,我们首先选取小波分解后包含最丰富信息特征的第三层分解系数,进行量化编码,然后对归一化图像进行子块划分,分别对每一子块进行三层小波分解,取其第三层的中频分量量化编码,与第三层分解系数的编码共同组成用于模式匹配的编码模板。然后对编码模板应用Hamming距离进行相似度计算,进而实现识别过程。仿真结果表明,本文基于小波变换和粗集理论的虹膜识别方法与传统的方法相比,在识别精度上有了显著提高。小波变换在时—频域分析中所具备的优良特性使其成为信号处理的一种强有力的工具。粗集在处理不确定性问题上的优良性能提高了系统的鲁棒性和抗干扰性。本文论述的虹膜识别算法在matlab7.0的环境下,利用CASIA虹膜数据库(version 1.0)中的图像样本进行仿真测试,得到了良好的识别效果。