几种虹膜定位方法的比较
虹膜特征提取算法
虹膜特征提取算法简介虹膜特征提取算法是一种用于识别个体身份的生物特征识别技术。
虹膜是人眼中的一部分，具有独特且稳定的纹理特征，可以用于身份认证、安全控制等领域。
虹膜特征提取算法的目标是从虹膜图像中提取出可用于比对的特征向量，以实现精确的身份识别。
虹膜图像获取虹膜图像的获取通常需要使用专门的设备，如虹膜识别仪。
这种设备通过红外光和相机来捕获虹膜图像。
虹膜图像的获取过程需要确保被检测者的眼睛能够对准设备的摄像头，并且眼睛没有明显的遮挡物。
获取到的虹膜图像通常是一张高分辨率的彩色图像。
虹膜图像预处理在进行虹膜特征提取之前，通常需要对虹膜图像进行一些预处理操作，以提高后续算法的准确性。
常见的预处理操作包括：1.图像去噪：使用滤波器对图像进行平滑处理，消除图像中的噪声。
2.边缘检测：使用边缘检测算法，如Canny算法，提取出图像中的边缘信息。
3.图像增强：通过调整图像的对比度、亮度等参数，增强图像的可视化效果。
4.图像分割：将虹膜区域与其他区域进行分离，以便更好地提取虹膜特征。
虹膜特征提取算法虹膜特征提取算法的目标是从预处理后的虹膜图像中提取出一组具有独特性和稳定性的特征向量。
这些特征向量可以用于后续的比对和识别。
常用的虹膜特征提取算法有以下几种：1. Daugman算法Daugman算法是一种常用的虹膜特征提取算法，它基于虹膜纹理的统计特征。
该算法首先将虹膜图像转换为极坐标形式，然后通过多个环形滤波器对虹膜图像进行滤波，提取出不同频率的纹理信息。
最后，通过统计分析得到一组代表虹膜纹理的特征向量。
2. Gabor滤波器Gabor滤波器是一种基于复数的滤波器，常用于图像处理中的纹理分析。
在虹膜特征提取中，Gabor滤波器可以用于提取虹膜图像中的纹理特征。
该算法通过一系列不同方向和频率的Gabor滤波器对虹膜图像进行滤波，得到一组响应图像。
然后，从响应图像中提取出代表虹膜纹理的特征向量。
3. 直方图特征提取直方图特征提取是一种简单但有效的虹膜特征提取算法。
虹膜详细资料大全
虹膜详细资料大全眼球壁中层的扁圆形环状薄膜。
位于角膜和晶状体之间，透过角膜可以看到，俗称“黑眼球”。
中央有一个小圆孔，称瞳孔，光线由此进入眼内。
虹膜主要由结缔组织构成，内含色素、血管、平滑肌。
虹膜的颜色因含色素的多少和分布的不同而异，一般有黑色、蓝色、灰色和棕色等几种。
基本介绍•中文名：虹膜•位置：眼球中层血管膜的最前部•性质：人体组织•隶属：眼球概述,解剖学解释,概述虹膜内有环绕瞳孔排列的平滑肌，叫缩瞳肌(瞳孔括约肌)，以及自瞳孔周围呈放射状排列的平滑肌，叫散瞳肌(瞳孔开大肌)。
前者受副交感神经支配，后者受交感神经支配。
强光照射眼睛时，瞳孔括约肌收缩，限制光亮进入;光线微弱时，瞳孔开大肌放大瞳孔，增加光线进入。
正常瞳孔的大小还与年龄、屈光状态等许多因素有关。
1岁以内的乳儿瞳孔最小，以后逐渐增大，青春期以后又逐渐变小。
近视眼的瞳孔大于远视眼。
人在疼痛、惊恐时，瞳孔散大，而在睡眠时，瞳孔缩小。
解剖学解释在眼球中膜的最前部，位于角膜和晶状体之间，将其腔隙分隔成眼前房和后房虹膜呈圆盘状，中央有一圆孔，称为瞳孔(pupil)。
在瞳孔周围虹膜组织内含有两种平滑肌纤维：一种向虹膜周边呈放射状排列，称瞳孔开大肌(dila-tor pupillae)，受交感神经纤维支配，收缩时使瞳孔开大，让更多的弱光吸收;另一种环绕瞳孔周围，称瞳孔括约肌(sphincter pupillae)，受动眼神经中的副交感神经纤维支配，收缩时使瞳孔缩小，以减少强光*** 。
虹膜内层上皮细胞含有黑色素细胞，由于其数量的多少和分布情况不同，致使人类的虹膜呈现有黑色、蓝色或灰色等各种不同的颜色。
又称虹彩。
是位于眼内最前部的葡萄膜组织，由视杯前段的神经外胚叶和其前部的中胚叶组织发育而成。
它的起点和睫状体前缘相续，向中央延伸到晶状体前面的游离缘为止，成为将眼球前后房分开的一个重要隔膜。
其中央或稍偏鼻侧有一圆孔(或近似圆形)称为瞳孔，具有适应外界光线的强弱以调节进入眼内的光亮作用。
虹膜图像采集方法
虹膜图像采集方法一、引言虹膜作为人体唯一的、不可伪造的生物特征之一，因其高度的特异性和稳定性在生物识别技术中被广泛应用。
而虹膜图像的采集方法对于准确、高效地获取虹膜信息至关重要。
本文将介绍几种常见的虹膜图像采集方法，并对其优缺点进行比较分析。
二、直接照相法直接照相法是一种简单常用的虹膜图像采集方法。
此方法通过虹膜摄像机，将被采集者的眼睛对准摄像头，通过摄像头直接拍摄眼睛的虹膜。
这种方法无需接触眼睛，操作便捷，适用于大规模人群的虹膜图像采集。
然而，直接照相法存在一些问题。
首先，虹膜的成像受到环境光线的影响较大，若光线不均匀或强烈，可能导致虹膜成像质量下降。
其次，由于直接照相法无法控制被采集者的眼部位置和注视点，所拍摄的虹膜图像可能存在位置偏差，影响后续的虹膜匹配与识别效果。
三、近红外反射法近红外反射法是目前较为广泛应用的虹膜图像采集技术之一。
此方法通过近红外光源向眼睛投射特定波长的光线，虹膜组织吸收一部分光能，其余部分被反射回来，经过摄像头捕获并生成虹膜图像。
近红外反射法较好地解决了直接照相法的环境光影响问题，并且能够通过特定波长的近红外光源对虹膜进行有效照亮，提高虹膜图像的质量。
此外，近红外反射法还可以根据被采集者的眼部位置和注视点进行定位，提高虹膜位置的准确性。
然而，近红外反射法也存在一些限制。
首先，该方法需要特殊的设备支持，成本相对较高。
其次，受到眼部眨动、眼球转动等生理因素影响，可能导致图像模糊或部分缺失。
因此，稳定控制被采集者的眼球位置和注视点仍然是一项挑战。
四、全息图法全息图法是虹膜图像采集的一种新兴方法。
此方法利用全息成像原理，将被采集者的眼睛置于全息摄像机的特定光学装置中，通过全息录制技术将虹膜图像以全息形式记录下来。
全息图法的优点在于能够以全息形式保存虹膜图像，具有更高的维度信息。
此外，全息图法不受环境光的影响，能够在复杂光照条件下获得更好的图像质量。
而且，全息图法可以在后期对图像进行重建和增强，提高图像的清晰度和分辨率。
虹膜图像预处理
虹膜图像预处理在实际获取的图像中，虹膜只占一部分区域。
图像中还包括瞳孔、眼睑、睫毛及眼睛和人脸的其它部分。
所以，在对虹膜纹理特征进行提取之前，要把虹膜区域从图像中分割出来。
其分割准确与否直接影响到后面的特征提取及匹配精度，即如果分割不准确，则虹膜识别效果就差，很可能造成误判，使识别算法失效。
针对Canny[2]算法优良的边缘检测性能及虹膜边界的特点，本文采用了该算法，与Hough变换相结合，用于定位虹膜内外边界、分割上下眼睑，采用阀值法剔除睫毛。
2.1 虹膜内外边界的定位虹膜的内边界即内边缘与瞳孔相交接的部分，外边界即外边缘与巩膜相交接的部分，均近似为圆形，因此定位虹膜内外边界就是要确定这两个拟合圆的圆心和半径。
2.1.1 Canny算子和Hough变换的基本原理(1)Canny边缘检测算子边缘是图像的基本特征，保留了原始图像中相当重要的信息，而又使得总的数据减小了很多。
准确提取边缘既能减少图像处理的信息量，又可重点描述物体的形态特征。
传统的边缘检测算子如Roberts、Sobel、Prewitt、Kirsch和Laplacian 等算子都是局域窗口梯度算子，由于它们对噪声敏感，所以在处理实际图像中效果并不理想。
1986年，Canny提出边缘检测算子应满足以下3个判断准则：信噪比准则；定位精度准则；单边缘响应准则，并由此推导出了最佳边缘检测算子--Canny算子。
该算子具有定位精度高、单一边缘和检测效果好等优点。
它主要分以下四步：○1平滑图像Canny边缘检测算子是高斯函数的一阶导数，是对信噪比与定位精度之乘积的最优化逼近算子。
选择合适的高斯低通滤波器来平滑原始的虹膜图像，既可以取得更加柔和的平滑效果，又不至于破坏图像中的边沿，同时还可以消除原始图像的高频噪声。
Canny算法首先用二维高斯函数的一阶导数，对图像进行平滑，设二维高斯函数为：22221(,)exp()22x y G x y πσσ+=-(2.1)其梯度矢量为：G x VG G y ⎡⎤∂∂=⎢⎥∂⎣⎦(2.2)把G 的2个滤波卷积模板分解为2个一维的行列滤波器：221222exp()exp()()()22G x y kx h x h y x σσ∂=--=∂ (2.3)221222exp()exp()()()22G y x ky h y h x y σσ∂=--=∂ (2.4)其中，k 为常数，σ为高斯滤波器参数，它控制着平滑程度。
虹膜激光的操作方法
虹膜激光的操作方法虹膜激光操作方法是一种常见的眼科手术，用于治疗多种眼部疾病。
该手术通过使用激光技术来调整虹膜的大小和形状，从而改善视觉问题。
虹膜激光手术前需要进行全面的眼部检查，并确定患者的眼部状况是否适合进行此手术。
下面是虹膜激光手术的具体操作方法：1. 麻醉：在手术开始前，医生会给患者进行麻醉，一般可以使用眼药水麻醉或是利用麻醉注射剂来麻醉患者的眼部。
麻醉会让患者在手术过程中不会感到疼痛或不适。
2. 准备手术台：准备手术台需要将患者的头部固定住，以确保患者的眼睛稳定不动。
患者需要平躺在手术台上，医生会使用外科眼镜来观察眼球。
3. 定位虹膜：在手术开始前，医生会使用特殊的光源来定位虹膜。
这些光源会照射进入患者的眼球，帮助医生确定虹膜的位置和大小。
4. 设置激光参数：医生会根据患者的眼部情况来设置激光的参数。
这些参数会根据患者的虹膜大小和所需的矫正程度来进行调整。
5. 激光矫正：一旦设置好激光参数，医生会将激光束照射到虹膜上，对虹膜进行矫正。
激光束会在虹膜上产生一定的热量，使得虹膜组织发生变化，并达到所需的大小和形状。
6. 观察和调整：在手术过程中，医生会不断观察患者的眼球，以确保手术进行得当。
如果需要，医生还可以根据需要进行调整，以获得更好的效果。
7. 手术结束和恢复：一旦完成了虹膜激光手术，医生会给患者进行简单的眼部清洁，并进行一些简单的检查以确保一切顺利。
患者需要遵循医生的嘱咐，进行术后护理和休息。
需要注意的是，虹膜激光手术虽然是常见的眼科手术，但仍然需要专业的医生来进行操作。
患者在选择手术医生和医院时要慎重，确保能够获得高质量的手术和护理服务。
此外，虹膜激光手术虽然在治疗视觉问题方面有很好的效果，但仍然存在风险和并发症。
患者在手术前应与医生充分沟通，了解手术的风险和效果，并根据自身情况做出决策。
总结起来，虹膜激光手术是一种常见的眼科手术，主要用于治疗视觉问题。
手术需要在专业医生的指导下进行，并需要患者在术前和术后进行适当的护理和休息。
快速准确的虹膜定位算法
ｕ ｅ ｈ ｒｏ ｉ ｎ ｗｌ ｄ ｅ ｈ ｔ ｈ ｅ ｔｒ ｆ ｎ ｅ ｏ ｎ ａｙ ａ ｄｏ ｔｒ ｏ ｎ ａ ｙ ｉ ｖ ｒ ｏ ｅ ａ ｒ ｗｉ ｇｔ ｅｓ ａ ｃ ｎ ｅ ｆ ａ ｃ ｌ ｓ ｔ ｏ ｓ ｅｐ ｒ ｋ ｏ ｅ ｇ ａ ｅｃ ｎ ｅ ｉｎ ｒ ｕ ｄ ｒ ｕ ｅ ｕ ｄ ｒ ｅ ｃ ｓ ，ｎ ｒｏ ｎ ｅ ｈｒ ｇ ｃ ｌｕ ｕ ｈ ｄ ｔ ｉ ｔ ｔ ｏ ｂ ｎ ｂ ｓ ｙ ｌ ｈ ｒ ａ ｏ ｍｅ
定 位外 边缘 的搜 索范 围，从 而显著 提 高 了虹膜 定位速度 。 实验 结果表 明，该 算法显著提 高了虹膜 定位速度 且具 有较 高的定
位 精度 。
关 键 词 ：虹 膜 定 位 ； 圆几 何 特 征 ； 内边 缘 粗 定 位 ； 外 边 缘 定 位 ； 微 积 分 方 法
中图法分 类号 ：Ｐ ９ ．１ Ｔ ３１ ４
（． 勤 工程 学 院 研 究 生 １ ，重庆 ４ ０ １；２ 鹤 壁职 业技 术 学院 电子信 息 工程 系， 河南 鹤 壁 ４ ８３ ； １后 队 ００６ ． ５０ ０ ３ ．后 勤工程 学 院 训练 部模 拟 中心 ，重庆 ４ ０ １ ；４ 重 庆 师范 大学 ，重庆 ４ ０ ３） ００６ ． ０ ００
摘 要 ：针对 经典虹膜 定位算 法速度较慢 的问题 ， 出一种基 于 圆几何 特征 的粗定位 与精定位 结合 的快速虹膜 定位 算法。 提
生物识别
虹膜识别过程中的定位方法1虹膜图像的预处理图像预处理一般是数字图像处理的第一个步骤，其目的是为了提高图像的质量，突出图像中所感兴趣的部分。
然后采用二维统计顺序滤波，减少图像的噪声。
但是虹膜与巩膜的边缘不是很清晰，定位困难，所以要进行锐化处理。
采用拉氏算子对对象进行运算，模糊部分得到了锐化，使是模糊的边缘得到了增强，边界更加明显。
2虹膜的定位虹膜是指位于瞳孔和巩膜中间的环形区域，外边缘和内边缘可以近似地看作圆形。
定位的过程就是确定出内外两个圆的半径和圆心。
虹膜定位就是虹膜内外边缘的定位。
它是虹膜识别系统的重要组成部分，准确的虹膜定位是实现虹膜身份验证和识别的前提。
虹膜定位是虹膜识别中最关键的一环，如果定位不准确，都会影响整个算法的识别率。
虹膜内侧与瞳孔相邻，外侧与巩膜相邻，虹膜与瞳孔之间有明显的界线，它们之间的灰度梯度变化大，因此，可以直接对虹膜内边缘进行精确地定位。
外边缘与巩膜相连接，但它们之间的灰度梯度变化不明显，所以不能直接对其进行处理。
2.1 虹膜的内边缘定位采集得到的眼部图像f(x, y)有一定的灰度分布特点，一般而言，瞳孔灰度要小于虹膜灰度，虹膜灰度要小于巩膜灰度，如图2所示。
在灰度直方图中发现，整个虹膜灰度分布有三个峰值区域，第一个峰值的周围是瞳孔区，从图中可以观察到，瞳孔的灰度远小于眼睛其他部分的灰度值，而且瞳孔区域的灰度值的像素点分布集中，没有明显的灰度值突出和跳变。
第二个峰值周围是虹膜区域，由于虹膜具有明显的纹理特征，所以灰度分布没有瞳孔均匀。
第三个峰值周围确定的区域是巩膜区，这个区域的灰度值明显大于瞳孔和虹膜。
图2虹膜图像的灰度直方图根据直方图分布的这一特点，可以用二值化的方法分离瞳孔。
首先，在灰度直方图中，找到第一峰值点max1和第二个峰值点max2，然后选取max1和max2之间的最小值对应的灰度值为二值化的阈值，对整个图像进行二值化，这样瞳孔被粗略地分离出来。
由于图中还有瞳孔以外的其他部分，如眼睑，眼睫毛等，为了很好地分离出瞳孔，本文用形态学中的膨胀和腐蚀的办法对图像进行反复处理，并得到了很好的效果，结果如图3所示。
虹膜定位
虹膜定位
编辑
目录
1虹膜定位的原理
2虹膜定位的特点
IR-SUPER-LASIK----这个是虹膜定位下波前像差引导的LASIK.比告诉你SUPER-LASIK是最先进的技术的医生所说的手术方式更为先进.虹膜定位是个追踪系统,有了这个追踪系统的辅助后,激光机能最精确的在角膜基质层上打激光.能给患者带来最好的术后效果和视觉质量.
说白了就是个激光治疗近视手术的辅助手法，帮助手术中激光定位
1虹膜定位的原理编辑
虹膜定位系统其原理是将波前的影像摄取后，将眼球虹膜的影像做分析，由于每个人的虹膜就如指纹般，其表面样式皆是独一无二的，因此波前与虹膜定位系统将所得的虹膜影像分析比较后，取得相符的虹膜定位点，在进行激光手术实施时，计算出眼球转动角度及偏移位置，适时改变激光治疗的切削角度，做一自动补偿修正，使病人在坐立时的波前检测资料，与在进行激光手术治疗仰卧时取得的眼睛影像得已完全吻合，其能使散光和高阶像差得到更精确地治疗。
2虹膜定位的特点编辑
个性安全：虹膜定位源于虹膜识别技术。
虹膜纹理和指纹一样，极具个性特征，目前世界上还没有发现虹膜特征重复的案例，即使同一个人的左右眼虹膜特征也有很大区别。
除了白内障等原因外，即使是接受了角膜移植手术，虹膜特征也不会改变。
相关文献
∙不完美虹膜图像定位方法-应用科技-2012年第6期(5)
∙基于TMS320DM6446和TVP5158的虹膜识别系统-数据采集与处理-2012年第6期(7)
∙应用统计距离实现虹膜定位-光学精密工程-2012年第11期(7)
以上文献来自于
>> 查看更多相关文献。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
社,2004,393-399,366-374 [12]Mayank Vatsa,Richa Singh,P.Gupta,Comparison of Iris Recognition Algorithms,2004 IEEE,354-357
1. 引 言
传统身份验证的方法往往采用的是 ID 和密码，这种方法容易遇到恶意入侵或遗忘密码 的问题，因此生物识别技术一经出现就吸引了越来越多的研究人员。目前主要的生物识别技 术包括人脸识别、语音识别、指纹识别、掌纹识别、签名识别和虹膜识别等技术，其中虹膜 识别技术以其高可靠性最为突出[1，3]。虹膜识别具有以下几个特点[2]：
∑ HD =
1
2048
Aj( XOR)Bj
2048 j=1
Aj 和 Bj 完全相同时 HD=0，Aj 和 Bj 完全不相同时 HD=1。HD=0.34 为虹膜识别 HD 距离的
阈值。当 HD<0.34 时认为进行比较的 A 和 B 是属于同一个虹膜。
3. 虹膜定位
虹膜定位就是虹膜内外边缘的定位。它是虹膜识别系统的重要组成部分，准确的虹膜定 位是实现虹膜身份验证和识别的前提。
2. 虹膜识别系统的介绍
2.1 数据获取[4,5,6]
通过图像输入设备实现，将人眼景像转换为数字图像信号保存。
2.2 预处理
预处理可理解为是将获别预处理中，一般要进行平滑、增强、提取边缘定位、图象分割等处理，以便为下一步特 征提取提供必要的基础。在虹膜预处理中最主要的是内外边缘的参数计算及其归一化。进行 归一化是用来补偿大小和瞳孔缩放引起的变异。
数据获取
内边缘 预 外边缘 处 理 虹膜分割
归一化
特征提取和选择
虹膜匹配和识别
输出
数据库
2.3 特征提取和选择
特征提取和选择是对预处理后的数据进行分析、去粗存精的过程。为了提高分类处理的 速度和精度，对提取的特征还需要选择最具有代表性的特征。
2.4 虹膜匹配和识别
虹膜匹配和识别是通过和数据库中每个虹膜编码进行比较 HD 距来决策的。 设 Aj、Bj（j=1、2……2048）为两个不同虹膜的虹膜编码代码，HD 距离为：
[9] Wildes R P. Iris recognition: A n emerging biometric techno logy [J]. Proceedings of the IEEE , 1997, 85 (9) : 1351 1362.
[10]李弼程，彭天强，智能图象处理技术[M]，电子工业出版社，2004，192-197 [11]Rafael C.Gonzalez,Richard E.Woods,Digital Image Processing Using MATLAB[M],电子工业出版
3.1 Gaugman 的虹膜定位[7,8]
在 Daugman 虹膜系统中使用积分微分操作分别检测虹膜和瞳孔的圆心和半径。这些操作 是利用了虹膜或瞳孔的圆几何性。事实上它们可以看成圆检测器，因为对于正常的虹膜而言， 巩膜总是比虹膜亮，瞳孔一般比虹膜暗。
设I（x，y）为坐标（x，y）处的图像强度，并且将虹膜内边界（瞳孔边缘）和外边界 （巩膜边缘）模型化为圆心在（xc，yc）、半径为r的圆。
通过求
v∫ v∫ ∂
| G(r)*
I (x, y)ds | 或 | G(r) * ∂
I (x, y)ds |
∂r
r,xc, yc 2π r
∂r r,xc, yc 2π r
的最大值确定上述三个参数。
其中： G(r) = ( 1
−((r
)e
−r
0)2
2σ
2
x0
=
xmin
+
xmax 2
y0
=
ymin
+
ymax 2
r0
=
max( xmax 2
,
ymax 2
)
图1
图2
2. 外边缘定位 首先利用Canny算子检测出原始虹膜的大致外边缘；将外边缘圆心定位在（x0±5，y0±5） 范围内，利用Hough变换求出最大值，即就是外边缘的圆心（x1，y1）和半径r1； 3.3.2 基于积分微分（integro-differential operators with a Hough Transform）操
x0 = x ±
r
1
+
Gy 2 Gx2
y0 = y ±
r
1
+
Gx2 Gy 2
3. 通过累加器最大值来确定内边缘的（x0，y0）
rmax
X 0 (x0 ) = ∑ ∑ ∑ nbre.occurences.x0 x y r =rmin
rmax
Y0 ( y0 ) = ∑ ∑ ∑ nbre.occurences.y0 x y r =rmin
1) 虹膜在 2~3 岁的时候稳定，随着年龄的变化保持不变； 2) 每个人虹膜纹理的分布是随机唯一的； 3) 不易被冒假，一般的外科手术不能改变其纹理； 4) 虹膜识别可达到 173 个自由度，故虹膜识别的错误率仅为 1/2173，而一般指纹识别 只有 35 个自由度； 5) 虹膜识别的进行具有无侵犯性，摄像机对用户的眼睛进行扫描，无需象获取指纹那 样需要接触手指； 6) 生来具有的极坐标几何特性，提供天然的极坐标。 正是由于上述的这几个优点，使得虹膜识别作为一种有效的识别技术在金融、安全保卫、 电子商务等各个方面拥有极大的应用前景。
作和 Hough 变换相结合的检测方法
步骤：
1. 做出给定虹膜图像的灰度图，找出第一、第二峰值点之间的最小值，并用此最
小值作为阈值得到主要含有瞳孔的图像，并使用腐蚀、膨胀的方法去掉一些无用的
像素；
2. 利用传统的 Sobel 算子得到关于瞳孔边缘的图像，并且求出其各个点的梯度值
（Gx，Gy），其内边缘圆心（x0，y0），如图 3；
几种虹膜定位方法的比较
马义德 邵宇 徐光柱 王升哲
（兰州大学信息学院，甘肃 730000）
（ydma@，shaoy03@）
摘 要：虹膜识别是一种新兴的生物特征识别技术，而虹膜定位是虹膜识别系统的重要步骤， 因而精确而快速地进行虹膜定位是有效地进行虹膜识别的重要前提。本文在介绍现有经典虹 膜定位算法的同时，结合虹膜的圆集合性和灰度分布特性，提出了另外两种虹膜定位算法。 这两种定位算法简单易于实现，并且实验结果表明，这两种算法是实用有效的。 关键词：虹膜识别 虹膜定位 生物特征识别 Hough变换
其中 g(x j , y j , xc , yc , r) =（x j − xc）2 +（y j − yc）2 − r2
对每个边界点(x j , y j ) , g (x j , y j , x c, y c, r) = 0, 而每对三维参数(x c, y c, r) 则表示过此边界点的圆。在实际执行中搜索最大参数集的过程就是计算H数组， 这个数组可用（x c, y c, r) 的离散表示值做下标，然后扫描数组，即可得到数组元素最 大值。上下眼睑的边界可用参数化的弧来代替圆参数。
yc，r）就是最理想的圆模型。
Hough变换定义为[10,11]：
n
∑ H (xc , yc , r) = h(x j , y j , xc , yc , r) j =1
h(x j , y j , xc , yc , r) = {
1 0
如果g(x j , y j , xc , yc , r) = 0 否则
[7] Daugman J G. High confidence visual recognition of persons by a test of statistical independence [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993,15 (11) : 1148-1161.
4. 确定外边缘参数的方法如同上 2、3 步，如图 4。
图3
图4
4. 结论
虹膜膜图像的定位是整个虹膜识别过程中最重要的环节，定位的速度和准确性决定了整 个虹膜识别系统的方案是否实用可行。Daugman 提出的预处理算法——求虹膜圆周上灰度积 分导数的方法最为流行。但由于这种算法需要搜寻遍虹膜图像上的每一个点，所以计算量很 大，缺乏实用性，并且 Daugman 虹膜识别系统中存在着要求获取图像的分辨率、大小以及光 照等条件保持基本不变的缺点[7,8]。Wildes 等人提出的方法识别精度高，但是计算复杂、 识别速度慢[9]。与国外现有的虹膜定位方法相比，我们提出的虹膜定位方法更为简单、快 速、稳健，它充分利用了虹膜、巩膜、瞳孔之间明显的颜色差别以及虹膜、瞳孔形状近似为 圆形等特性。[12]
参考文献
[1] 吕亦生，虹膜识别综述[J]，安防科技，2003.5:27 [2] Yuanning Liu, Senmiao Yuan, Xiaodong Zhu, Qingliang Cui，A Practical Iris Acquisition System and A Fast
Edges Locating Algorithm in Iris Recognition，IMTC 2003 -Instrumentation and MeasurementTechnology Conference，2003 IEEE,166-168 [3] D. de Martin- Roche, C. Sanchez-Avilat & R. Sanchez-Reillot,Iris Recognition for Biometric Identification using Dyadic Wavelet Transform Zero-Crossing,2001 IEEE,272-278 [4] Li Ma,Yunhong Wang,Tieniu Tan,Iris Recognition Using Circular Symmetric Filters,2002 IEEE,414-417 [5]黄惠芳，胡广书，一种新的基于小波变换的虹膜识别算法[J]，清华大学学报（自然科学版），2003，43 （9） [6]Gerald O.Williams,Iris recognition Technology,Iridian Technologies,Inc.