作为一种可靠，高效的身份鉴别方法，虹膜识别技术得到了国内外许多研究机构的重视，并展开了深入的研究，被广泛认为是最有前途的生物识别技术之一。但对虹膜识别的研究还远远没有达到完善的程度，如何提高虹膜识别的准确率和识别速度是当前需要迫切解决的问题。　　 传统的虹膜识别方法采用Gabor滤波和小波变换等纹理分析方法提取特征，基于结构特征的虹膜识别是一种新的方法，初步设想最先由北京大学博士林金龙等提出，具有直观、可靠、鲁棒性高等特点。本文以此为基础，以设计一个高性能的虹膜识别系统为目标，较深入的研究了虹膜识别各阶段算法，即定位、预处理、特征提取和匹配，提出几点关键的改进，使基于结构特征的虹膜识别达到了接近实际应用的水平。本文的主要工作和研究结果如下：　　 (1)提出一种改进的虹膜定位方法。该方法通过对低分辨率的图像和原图像结合处理，在低分辨率的图像中进行虹膜内外边缘的粗定位，使相应的数据处理量大大减少，提高了算法的实时性，然后为提高定位的准确性，在原图中进行精度补偿。　　 (2)针对canny算子中在对极大值抑制后的像素进行边缘提取和跟踪过程中，高低阈值的选取在不同图像中有不同的最优值，提出一种基于类内方差最小化原理的双阈值确定法，可根据不同的图片自动的求得适合自身的双阈值进行边缘检测。　　 (3)预处理阶段，在局部直方图均衡化的基础上，使用分段线性拉伸及自适应维纳滤波处理，去除孤立小点，边缘更加清晰，特征点更加相对独立，并更加有利于特征点的提取。　　 (4)提出基于结构化的特征分类匹配方法，根据特征点轮廓形状和面积将特征点分为6类，并辅以不同的加权系数，降低匹配的盲目性，并将第一类特征中的特征点匹配误差作为基准，可解决虹膜图像的旋转问题。　　 实验表明，改进的虹膜识别算法不仅具有较高的识别率，而且与原有的方法相比，拥有更快的识别速度，具有良好的实验价值及理论意义。