通过虹膜诊察技术运用虹膜学进行健康检测，就是我们所说的的“虹膜诊断”。
大家都已经知道人体的虹膜是可以、也会发生变化的！
从身份识别的准确性来说，变化的虹膜又当如何识别呢？
  
    虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的，虹膜识别技术与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录入到一个数据中，出现认假和拒假的可能性也相当小，但是这项技术的无法录入问题已经成了它同其它识别技术抗衡的最大障碍。不管怎样，虹膜识别技术的高精度使它能够在众多识别技术中占有一席之地。所有虹膜识别技术都是以John Daugman博士的专利和研究为基础的。
 
 虹膜
 
    眼睛的虹膜是由相当复杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹膜识别技术将虹膜的可视特征转换成一个512个字节的Iris Code（虹膜代码），这个代码模板被存储下来以便后期识别所用，512个字节，对生物识别模板来说是一个十分紧凑的模板，但它对从虹膜获得的信息量来说是十分巨大的。
 
    从直径11mm的虹膜上，Dr. Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下， Dr. Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。这在生物识别技术中，所获得特征点的数量是相当大的
 
 算法
 
    第一步是通过一个距离眼睛3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。 
 
    单色相机利用可见光和红外线，红外线定位在700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。） 在虹膜的上方，如上图所示，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要想明白二维gabor子波的原理需要懂得很深的数学知识。
 
 精确度
    由于虹膜代码（Iris Code）是通过复杂的运算获得的，并能提供数量较多的特征点，所以虹膜识别技术是精确度最高的生物识别技术，具体描述如下：
 ·两个不同的虹膜信息有75%匹配信息的可能性是1:106
 ·等错率：1:1200000
 ·两个不同的虹膜产生相同Iris Dode（虹膜代码）的可能性是1:1052
 
 录入和识别 
 
    整个过程其实是十分简单的，虹膜的定位可在1秒钟之内完成，产生虹膜代码（Iris Dode）的时间也仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。我们知道，处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。当然，由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的Iris Dode（虹膜代码）也有25%的变化，这听起来好象是这一技术的致使弱点，但在识别过程中，这种Iris Dode（虹膜代码）的变化只占整个虹膜代码的10%，它所占代码的比例是相当小的。

    所以，是否我们可以这么理解：传统意义上的虹膜身份识别是基于虹膜的区域特征进行图像识别的，而虹膜学所讨论涉及到的则是对虹膜的颜色、区域、特征等具体现象进行观察分析，而不像虹膜身份识别对单一颜色和特征的采集对照！