虹膜识别技术是一种新兴的生物识别技术。生物识别技术是依靠人体某些具有稳定性和唯一性的特征来识别身份的技术，具有高可靠性和安全性。虹膜位于瞳孔和巩膜之间，呈圆盘状，而且纹理结构复杂，满足生物识别的基本要求。与其他生物识别技术相比，虹膜识别可靠性更高、出错率更低，而且由于瞳孔的放缩功能，虹膜具有更好的防伪性。目前，虹膜识别技术被广泛认为是最有前途的生物识别技术之一。 本论文研究的重点在于利用小波技术提取虹膜的纹理特征。 论文首先介绍了小波的基本理论和测不准原理。然后简单讲述了虹膜的纹理特征和虹膜图像的预处理过程。虹膜图像的预处理主要分为四步：内外边缘定位、图像归一化、图像增强和有效区域的划分。分别解决了图像的漂移、瞳孔的放缩、光照和眼皮遮挡所带来的干扰。在图像的有效区域划分上，我们采用一种新的划分方法，不仅增加了虹膜的纹理信息，也便于虹膜旋转问题的解决。 经过预处理后的虹膜图像具有清晰而明显的纹理特征。由于小波具有时频局部化的功能，因此我们采用小波变换技术获取虹膜的纹理特征。2D-Gabor滤波器能够很好的模拟单细胞的二维感受野，而且能够满足测不准原理最小下界，可以最大限度的提供图像的局部的方向信息和频率信息，所以我们选择2D-Gabor作为小波变换的母函数。Gabor的参数根据系统的特点选取，根据虹膜外疏内密的特点，频率选择双频段滤波。改变了函数滤波的方向，改进了海明距匹配方法，采用错位循环匹配法，从而基本解决了虹膜的旋转问题。 针对论文提出的算法，对500幅虹膜图像样本做了试验。试验结果表明，算法改进后虹膜识别率显著提高。