(1)虹膜定位过程中，采取了自适应定位虹膜内边缘的算法，对虹膜的定位 更加准确，同时提高了定位的速度。 (2)归一化的过程中，采用改进的Daugman橡皮纸模型，解决了虹膜的平移 和缩放问题；使用了能量分布检测的方法，确定了虹膜归一化的起始位置，为 虹膜的匹配打下了基础。 (3)在徐露等提出的基于灰度曲面匹配的虹膜识别算法的基础上，对其进行 了改进，减少了匹配平移次数，提高了虹膜识别的速度；提出了分区域加权求 均方差的方法，提高了虹识别的精度。

目前的虹膜识别都是采用在图像上提取特征点,并将特征点编码为固定长度的特征数据用于匹配的方式。这种方式使虹膜识别系统易受攻击。为了进一步提高虹膜识别系统的安全性和识别速度,提出了一种基于灰度曲面匹配的虹膜识别方法。该方法抛弃了特征提取和编码等传统操作,在特征分析的基础上直接利用了灰度曲面匹配的思想,首先对两幅图像中的像素灰度做差,得到灰度差曲面,然后求出该灰度差曲面的方差。将此方差作为衡量两个虹膜特征曲面之间距离的依据,并据此判定两个虹膜是否来自同一只眼睛。在给定阈值为40的前提下,正确识别率为9