主动轮廓线模型(Snake)是一种有效的复杂轮廓提取及图像解释方法，它通过不断地极小化自身的能量函数来达到定位物体边界的目的。但是，传统的Snake模型及其应用仍存在一些问题，如对初始位置敏感，需要依赖其它机制将主动轮廓线的蛇点放置在图像中目标附近，以致弱边界图像求解效果较差。尽管已有研究为视觉问题提出了特定的解决方案，但是具体问题的解决还需要提出具体的解决方法，得到一些适合的能量函数，建立较好的数学模型。好的函数能使Snake模型很好地收敛到最小位置，否则可能收敛到局部的点，甚至发散。针对以上问题，本文提出一种基于改进Snake模型的虹膜定位算法：研究能量函数的构造和蛇点的自适应分布，用傅里叶描述子来描述目标的轮廓，图像力采用图像本身的梯度值，使Snake很好地收敛于轮廓边界。　　 首先根据灰度投影原理，灰度累计最小为瞳孔的大致中心，即为初始化点。然后应用改进Snake模型的能量函数，均匀地对蛇点进行搜索。在搜索中的开始阶段由于受到噪音的影响，往往误差较大，可以加大外部能量函数的调整以减少误差，经过一段时间的迭代，各蛇点的轮廓开始逼近目标轮廓，直到其到达虹膜的边界为止。最后以瞳孔的半径为虹膜外边界的初始半径，使用圆板匹配算法定位外边界，然后得出整个虹膜边界。　　 本文以CASIA虹膜数据库(标准虹膜特征定位数据库)为操作集对该方法进行了仿真和实验测试。实验结果表明，改进的Snake算法能够提高定位速度与精度。同时，该算法不用特征提取和二值化，缩短了Snake的整体轮廓的定位时间。