پیشرفت تکنولوژی باعث به وجود آمدن دوره جدیدی برای سیستم های تشخیص و تائید هویت شده است. روش های اتوماتیک بر پایه ویژگی های فردی انسان ها در اولویت سیستم های تشخیص و تائید هویت هستند. استفاده از بیومتریک ها، راه رسیدن به سیستم ها با قابلیت اطمینان بالا را برای ما هموار می کند. در این تحقیق از عنبیه چشم برای تشخیص هویت استفاده شده است. ابتدا تصویر عنبیه بخش بندی شده است. این کار برای جدا کردن عنبیه از دیگر قسمت های تصویر چشم می باشد. بخش بندی تصویر با استفاده از لبه یاب canny و تبدیل هاف انجام شده است. برای بهبود نرخ بخش بندی از حذف نویز کانتورلت بهره برده شده است. بعد از حذف نویز تصویر و بخش بندی آن، برای داشتن کیفیت اولیه تصویر، تصویر اولیه و تصویر بخش بندی شده با هم منطبق شده اند. بدین صورت روی تصویر اصلی بخش بندی صحیحی خواهیم داشت. پس از بخش بندی تصویر، با تبدیل مختصات قطبی به مختصات کارتزین، تصویر عنبیه حلقوی نرمالیزه شده است. در این تحقیق عنبیه به یک نوار مستطیل 512 ×64 در آورده شده است. همچنین از تبدیل کانتورلت برای حذف نویز و بهبود کیفیت تصویر استفاده شده است. در این قسمت حذف نویز تبدیل کانتورلت روی تصویر نرمالیزه شده اعمال می شود. در قسمت استخراج ویژگی 5 حالت تبدیل ویولت سیملت برای تصویر نرمالیزه شده اعمال شده است. نتایج نشان می دهند که بهترین نتیجه زمانی رخ می دهد که از تبدیل ویولت سیملت 4 برای استخراج ویژگی استفاده می شود. برای مقایسه پس از کد کردن ویژگی های استخراج شده، از فاصله همینگ استفاده شده است. دیتا بیس استفاده شده در تحقیق casia است. نتایج حاصل نشان می دهند که روش ارائه شده از کارایی بالایی برای بخش بندی و تشخیص هویت برخوردار است.