在虹膜識(shí)別算法研究現(xiàn)狀方面，從上世紀(jì)90年代以來，國(guó)際上一共出現(xiàn)了幾十種虹膜圖像識(shí)別算法，形成了“百花齊放、百家爭(zhēng)鳴”的局面。

根據(jù)所采用特征提取的方面，主要可以分為基于局部特征的方法(Daugman,1994；Wilds,1998；Boles,1998)和基于全局局部特征的方法（PCA,ICA)?？傮w來看，基于局部特征的方法性能要由于基于全局特征的方法。

在眾多的虹膜識(shí)別算法中，有三種方法一直是虹膜識(shí)別算法的代表性方法，其一是1994年，由Daugman提出的基于Gabor濾波的虹膜識(shí)別算法(Daugman,1994)，現(xiàn)有的商業(yè)虹膜識(shí)別產(chǎn)品大多基于此算法，該算法利用積分微分算子進(jìn)行虹膜內(nèi)外緣定位，并進(jìn)行歸一化處理；利用2DGabor濾波器對(duì)虹膜紋理進(jìn)行一種簡(jiǎn)單的粗量化和相位編碼。

其二是Wildes等人于1998年提出的，依賴于圖像登記技術(shù)(Wilds,1998)，利用高斯一拉普拉斯算子對(duì)虹膜圖像進(jìn)行各向同性的頻帶分解，構(gòu)成拉普拉斯棱錐，然后對(duì)分解后的圖像進(jìn)行登記。此方法完全利用了所有可能的虹膜紋理信息，但是識(shí)別算法計(jì)算量較大，速度比較慢。

其三是Boles等人提出了一種基于小波變換過零點(diǎn)檢測(cè)的虹膜識(shí)別算法(Boles,1998)，它通過實(shí)現(xiàn)小波變換的過零點(diǎn)檢測(cè)，建立虹膜灰度等級(jí)輪廓的一維表達(dá)式，然后進(jìn)行編碼匹配。此方法克服了以往系統(tǒng)受漂移、旋轉(zhuǎn)和比例放縮所帶來的局限，并且對(duì)亮度變化及噪聲不敏感。