为了提高在图像质量较差时的虹膜定位性能，改善虹膜定位的成功率和速度，在对Daug—man算法改进的基础上，提出了一种基于形态学算子的虹膜定位算法(II。BM)．该算法将睫毛干扰看作虹膜图像中出现的缝隙，通过应用形态学中的膨胀算子对缝隙进行填补进而消除干扰，虹膜边缘参数则采用Hough变换来求取．与Daugman算法相比，ILBM算法可以有效抑制虹膜定位过程中存在的睫毛干扰，提高虹膜定位的速度对比实验表明，ILBM算法具有比Daugman算法更好的抑制干扰能力和鲁棒性，具有更高的定位成功率和更快的定位速度，定位时间仅为Daugman算法的17％，定位成功率提高了3．7蹦．