虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，它在海关、银行、网络、公安、社保等领域都有广泛的用途，属于面向国家安全重大需求的战略高技术。在虹膜识别系统中，对蕴藏在虹膜图像数据中的特征信息的有效表达是决定系统性能指标的关键因素。虽然这方面的研究工作较多，但是没有形成系统和完整的理论框架。本文围绕着虹膜图像的特征表达问题，开展了下述研究工作：　　 1)利用虹膜纹理呈径向发射状分布的规律信息，本文提出用傅立叶频谱能量的分布特征来区分清晰的虹膜图像和模糊的虹膜图像(包括离焦模糊和运动模糊)。　　 2)受生物视觉认知规律的启发，用排序测度特征建立了虹膜图像特征表达的一般框架，证明了虹膜图像区域之间的排序测度特征等价于虹膜物理表面不同位置反光率之间的大小顺序关系，是独立于光照、对比度等外界因素的虹膜图像的本质特征。用一般框架统一了虹膜识别领域性能最好的一些算法，证明这些图像特征表达方法可以看成是排序测度特征的特例。在这个框架下，虹膜特征抽取甚至可以简化成简单的加减运算，解决了虹膜识别从PC向嵌入式平台移植的计算复杂性难题。　　 3)提出了新颖的多极子滤波器来提取虹膜图像中的非邻域排序测度特征，提高了虹膜特征的信息量和鲁棒性，突破了现有方法局限于相邻区域定性比对的性能瓶颈，同时取得了更高的识别率和更快的计算速度。　　 4)提出了结合方向扩散和方向滤波的鲁棒方向估计算子，提取虹膜图像梯度向量场的鲁棒方向特征用于虹膜识别。　　 5)把虹膜图像表达成图模式，将图像块作为节点，将图像块的LocalBinaryPattern直方图作为节点的属性。提出了快速图匹配算法来度量两幅虹膜图像的相似性。　　 6)通过小波变换过零点检测的方法从虹膜图像中分割出特征斑块，将每个斑块的重心作为控制点，将斑块的几何矩作为每个点的属性，采用类似于指纹细节点串匹配的方法来校准两幅虹膜图像中的斑块集合，用匹配斑块对的比例作为匹配分数。提出了用级联分类器融合不同类型的虹膜特征，以较小的计算代价显著提高了系统的识别精度。　　 7)将排序测度特征成功推广到掌纹和人脸识别。建立了掌纹图像特征表达的一般框架，统一了该领域识别性能最好的三种掌纹识别方法，并提出了新颖的十字架形微分滤波器来抽取掌纹图像中的排序测度特征，取得了比主流方法更快更准的识别效果。通过AdaBoost机器学习方法，从人脸图像中自动选择了最优的排序测度特征组合用于人脸识别，取得了优异的识别性能。