El reconocimiento del iris, que se sabe que tiene un rendimiento excepcional entre las técnicas biométricas convencionales, requiere una cámara de alta resolución y una cantidad suficiente de iluminación para capturar imágenes que contengan varios patrones de iris. Para abordar estos problemas, se realiza una investigación activa sobre el reconocimiento ocular para incluir una región periocular además de la región del iris, lo cual también requiere una cámara de alta resolución para capturar imágenes, lo que indica aplicaciones limitadas debido a los costos y limitaciones de tamaño. Por lo tanto, este estudio propone una red generativa adversaria cíclica de superresolución ocular (OSRCycleGAN) para la reconstrucción de superresolución ocular, y adicionalmente propone un método para mejorar el rendimiento de reconocimiento en caso de que las imágenes oculares se adquieran a baja resolución. Los resultados del experimento realizado utilizando bases de datos abiertas, a saber, CASIA-iris-Distance y Lamp v4, y la base de datos de iris de IIT Delhi, mostraron que la tasa de error igual de reconocimiento del método propuesto fue del 3,02%, 4,06% y 2,13% para cada base de datos, respectivamente, superando a los métodos de vanguardia.