随着信息技术的不断发展，传统的身份鉴别方式已不能满足现代社会日益提高的安全性需求。生物识别是近年来兴起的更安全的身份识别技术，其中虹膜识别的唯一性、终身性、高可靠性和非侵犯性等优势，使得其在科研、工业和信息安全等领域中成为研究的热点。水平集分割虹膜区域是经典主动轮廓模型的扩展，该方法使用偏微分方程控制初始边界向真实目标边界的生长演化。本文引入了先验形状的特殊能量项与能量模型融合来约束曲线的形变。先验形状的约束，有效解决了虹膜边缘模糊、部分边界被遮挡或缺损等信息丢失情况下的分割，能够进一步提高主动轮廓模型的分割性能。针对本文研究内容，对虹膜识别中的关键步骤进行了分析和改进，并构建完整的虹膜识别系统。论文的主要工作如下：（1）提出了基于改进的水平集虹膜分割方法。通过利用虹膜的先验知识，将圆形形状能量项融合进CV模型中进行参数水平集演化来分割内边界；对外边界分割引入了自适应面积项，利用二阶导数的过零点性质来寻找边界，同时也利用了边界梯度信息，使得演化曲线能够准确地停止在外边界。（2）2D-Gabor滤波器的特征提取。首先分析滤波器的位置、尺度和频率特性；然后设计一组尺度、大小不同的Gabor滤波器来提取虹膜的全局和局部特征，最后依据提取采样点位置的相位信息得到虹膜图像的特征编码序列。（3）椭圆高斯滤波器的特征提取。根据归一化虹膜纹理的尺度变化的规律设计出方向大小合适的椭圆高斯滤波器并提取采样点附近区域的灰度，利用序数测度对灰度变化进行编码，然后计算两条编码序列的海明距来判断两者的差异程度。（4）实验验证。用MMU1虹膜数据库对本文算法进行验证，本文提出的分割方法在准确率、速度方面分别达到了99.39%和4.8s；同时本文提出的椭圆高斯滤波器的特征提取与匹配方法在等错误率方面为0.05%，匹配速度也提高了10倍左右。由此可知，本文分割定位算法比传统算法的准确率、速度都有明显的提高，且特征提取与匹配有更高的识别率和速度。