随着社会信息化进程的发展，人们对信息安全和网络安全的要求日益增强。在这种背景下，传统的密码和身份认证技术已经难以满足人们的安全需求。与此同时，生物识别技术作为一种具有高可靠性和易用性的身份认证手段，很好的满足了这一需求，并在近几年得到了迅速的发展和广泛应用。其中，虹膜识别技术因为在该领域所存在的突出优势，逐步成为了国内外研究的热门技术。一个完整的虹膜识别系统主要包括以下过程：虹膜采集，虹膜图像质量评价，虹膜预处理，虹膜特征提取，虹膜特征匹配。本文的研究内容主要集中在其中的三个部分：虹膜采集、虹膜定位、虹膜特征匹配。下面将对本文所做工作进行简单介绍：a）虹膜采集：介绍了虹膜采集设备的基本原理，分析了与硬件相关的影响虹膜图像采集质量的因素，发现以下因素与采集质量有较大相关性：镜头焦距，镜头材质，光源类型，传感器的光谱响应特性等。分析了现有几种虹膜采集方式的优劣，发现非接触式的近距离采集是一种兼顾成本、易用性和实现难度的采集方式；针对分析结果，设计了一套完整的虹膜采集设备解决方案。该方案具有以下特征：非接触式采集、排除旋转影响的可能、去除自然光影响、高易用性、低成本。b）虹膜定位：介绍了两种传统的虹膜定位算法：基于灰度梯度的定位算法和基于二值化边缘点的Hough变换定位算法；分析了两种传统虹膜定位算法的优劣，发现基于灰度梯度的定位算法在外圆准确率上的明显优势，以及Hough变换算法在内圆定位算法上的速度优势；针对分析结果，结合了两种传统定位算法的优点，并利用灰度投射和均值方差法进行粗定位，提出了本文所使用的虹膜定位算法；通过针对CASIAV1.0和CASIAV3.0_interval虹膜库的实验，证明了本文定位算法在速度和准确率方面有明显提高。c）虹膜特征匹配：本文对虹膜区域所在的环状区域进行再分割，形成多个环带，利用Gabor滤波器特征提取方法和SVM分类方法对不同环带进行分类，发现利用不同的环带进行识别，效果有较大差异，故假设利用虹膜整体进行识别时，不同的环带对识别结果有不同影响；基于以上假设，利用局部Tamura纹理和局部灰度方差两种质量评价方法对不同环带进行质量评价，并生成各自的加权参数，然后利用欧氏距匹配方法进行加权匹配；通过针对CASIAV1.0和CASIAV3.0_interval虹膜库的实验，证明了本文提出的基于环带分割的加权参数融合匹配方法在识别准确率方面有较明显的提高；综上所述，本文主要完成了以下工作：设计并实现了一套较完整的虹膜采集设备解决方案；提出了一种结合灰度梯度和Hough变换的虹膜定位算法；提出了一种基于环带分割的加权参数融合匹配方法。