人类的虹膜具有唯一性、稳定性、不可改变性和高度的抗欺骗性,因此基于虹膜的生物识别技术广泛应用于安全控制和电子商务等许多领域。随着虹膜识别技术的日益进步,人们对识别精度的要求也越来越高。影响虹膜识别精度的主要因素包括噪声对虹膜区域的遮挡以及特征提取算法。眼睑噪声和眼睫毛噪声会导致错误的虹膜编码,进而严重影响识别的准确性。本文提出了使用抛物线模型的非参量概率密度函数来检测眼睑,该算法不需要进行边缘检测,并且在计算模型的概率密度时不仅考虑了落入模型上的点,同时还考虑了模型周围的点。此外,本文使用断点连接和区域生长相结合的方法进行眼睫毛的检测,该算法考虑了眼睫毛的连接特性、边缘特性和方向特性,同时避免了阈值选择不当引起的负面影响。传统的基于霍夫变换的人眼初定位方法执行效率很慢,本文提出了基于随机采样一致性的椭圆拟合算法进行人眼初定位,加快了算法的执行效率。针对传统虹膜识别算法易受图像尺度、旋转和仿射变换影响的问题,本文使用基于SIFT的特征匹配算法提取虹膜纹理特征,并在噪声严重的数据库上得到了很好的识别结果。