目前，已經(jīng)出現(xiàn)了多種人體生理特征識(shí)別方法，包括對指紋、手型、人臉、聲音、簽名、DNA和虹膜等生理特征進(jìn)行識(shí)別。虹膜的生理特征具有唯一性、穩(wěn)定性、可采集性和非侵犯性等優(yōu)點(diǎn)，在對安全性要求高的場合，虹膜識(shí)別是一種理想的身份識(shí)別方法[1]。
    虹膜定位在于從采集到的人眼圖像中分離出虹膜在整個(gè)圖像中的有效區(qū)域，確定虹膜的內(nèi)、外邊界的位置。虹膜定位是虹膜識(shí)別過程中關(guān)鍵的一環(huán)，是后續(xù)處理的基礎(chǔ)。在虹膜定位算法中，最具代表性的就是Daugman的微分積分算法[2]和Wildes的Hough變換法[3]，很多定位算法都是以它們?yōu)榛A(chǔ)改進(jìn)發(fā)展的[4-8]。在實(shí)際中，利用Hough變換定位虹膜邊界，需要考慮以下問題：(1)采用二值化的灰度投影來估計(jì)瞳孔中心容易受到濃黑睫毛以及圖像對比度差的影響，如何削弱這種影響是需要考慮的問題。(2)上、下眼皮對虹膜區(qū)域的侵入是很常見現(xiàn)象，定位算法需保證上、下眼皮等非虹膜邊界不被誤認(rèn)為是虹膜邊界。(3)在直角坐標(biāo)下的虹膜邊緣圖像中，閾值的選擇會(huì)影響到真正的邊界點(diǎn)所占的比例，為了獲得虹膜邊界點(diǎn)，窮舉出所有參數(shù)值會(huì)造成時(shí)間、空間的開銷過大和投票結(jié)果不集中的現(xiàn)象，當(dāng)選取一定的閾值后怎樣進(jìn)一步提高虹膜真正邊界點(diǎn)的比例也是需要考慮的問題。(4)在進(jìn)行邊界定位時(shí)，Hough變換得到的幾何模型參數(shù)域中的最大值點(diǎn)對應(yīng)著該條邊界, 算法需完成對虹膜的內(nèi)、外邊界分開定位。一般邊緣檢測得到的邊界具有一定的厚度, 因此, 不能簡單的以最大值點(diǎn)或次大值點(diǎn)作為虹膜內(nèi)外邊界的幾何模型參數(shù)點(diǎn), 因?yàn)檫@兩點(diǎn)很可能屬于同一個(gè)邊界參數(shù)模型。
    針對以上問題, 本文給出了相應(yīng)的解決辦法。首先，用一個(gè)全1的矩形窗對瞳孔中心進(jìn)行粗略估計(jì)[9]；然后，以粗定位的瞳孔中心為極點(diǎn)，將直角坐標(biāo)下的圖像轉(zhuǎn)換為極坐標(biāo)下圖像[10-13]，此時(shí)虹膜內(nèi)、外邊界近似水平，通過一定的判別準(zhǔn)則剔除非水平邊緣點(diǎn)，以此提高真正虹膜邊界點(diǎn)的比例；其次,將經(jīng)過邊緣點(diǎn)選擇后的虹膜圖像變換到直角坐標(biāo)，再進(jìn)行Hough變換, 選取最大和次大甚至是第三大的虹膜邊界參數(shù)的均值作為虹膜邊界參數(shù)；最后，利用虹膜內(nèi)、外邊界參數(shù)之間存在的耦合關(guān)系以及對內(nèi)、外邊界的取值范圍的經(jīng)驗(yàn)估計(jì)來限制Hough變換的參數(shù)取值范圍，以保證內(nèi)、外定位的準(zhǔn)確性。
1 虹膜定位算法原理
1.1 瞳孔中心的粗略估計(jì)
    采集到的虹膜圖像包括瞳孔、虹膜、鞏膜、眼皮、睫毛等部分，各部分灰度值都不一樣，而瞳孔區(qū)域灰度值一般都小于其周圍區(qū)域的灰度值，以此可以采用灰度窗口估計(jì)瞳孔中心的方法[10]。

    從圖5和圖6可以看出，本算法對標(biāo)準(zhǔn)數(shù)據(jù)庫中的虹膜圖像和實(shí)驗(yàn)室現(xiàn)場采集的虹膜圖像都是有效的；同時(shí)該算法采用了較少的邊界點(diǎn)定位虹膜的邊界，計(jì)算量大大減小，定位精度相對提高。由表1的數(shù)據(jù)得出，該算法對樣本中的虹膜定位時(shí)間約為0.152 s，僅占Wildes 方法的4.57%，并且準(zhǔn)確率比傳統(tǒng)方法略有提高。
    本文對虹膜定位算法進(jìn)行了研究，提出了一種改進(jìn)的虹膜邊界定位算法。在極坐標(biāo)下，通過對非虹膜邊界點(diǎn)排除來提高虹膜邊界的比例，利用虹膜內(nèi)、外邊界參數(shù)之間存在的耦合關(guān)系來限制Hough變換的參數(shù)取值范圍，并取最大和次大的邊界參數(shù)的均值作為虹膜邊界參數(shù)。實(shí)驗(yàn)結(jié)果表明，該算法優(yōu)于傳統(tǒng)的Hough變換定位算法，利用該虹膜定位算法取得了較好的定位效果。
參考文獻(xiàn)
[1] 王蘊(yùn)紅，朱勇，譚鐵牛.基于虹膜識(shí)別的身份鑒[J].自動(dòng)化學(xué)報(bào)，2002，1(28)：1-10.
[2] DAUGMAN J.High confidence visual recognition of persons by test of statistical independence[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1993，15(11)：1148-1161.
[3] WILDES R P.Iris recognition: an emerging biometric technology[J].Proceedings of the IEEE，1997，85(9)：1348-1363.
[4] BOLES W W，BOASHASH.A human identification technique using images of the iris and wavelet transform[J].IEEE Transactions on Signal Processing(S1053-587X)，1998，46(4)：1185-1188.
[5] BALAJI G，DHANANJAY T，RUPERT Y，et al.Biometric iris recognition system using a fast and robust iris localization and alignment procedure[J].Optics and Lasers in Engineering(S0143-8166)，2006，44(1)：1-24.
[6] 葉學(xué)義，莊鎮(zhèn)泉，姚鵬，等.基于二維投影的虹膜定位[J].中國圖像圖形學(xué)報(bào)，2005，10(3)：305-309.
[7] 王成儒，胡正平.基于幾何特征的虹膜定位算法[J].中國圖象圖形學(xué)報(bào)，2003，8(6)：683-685.
[8] 駱名猛，吳錫生.改進(jìn)的快速虹膜定位算法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46(17)：200-203.
[9] 田啟川，潘泉，梁彥，等.瞳孔中心指導(dǎo)的虹膜邊界快速定位算法[J].系統(tǒng)仿真學(xué)報(bào)，2006，18(7)：1777-1780.
[10] 馮薪樺，丁曉青，方馳，等.虹膜內(nèi)外邊界的粗定位方法[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，47(1)：80-83.
[11] NAM K W，YOON K L，YANG W S.A feature extraction  method for binary iris code construction[C].In：Proceedings of the 2nd International Conference on Information Technology  for Application(ICITA 2004)，Harbin，2004：284-287.
[12] 李霞，于魯義，王娜.基于直線檢測的虹膜快速定位方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2006，18(8)：1155-1159.
[13] 夏磊，蔡超.一種用Hough變換檢測圓的快速算法[J].計(jì)算機(jī)應(yīng)用研究，2007，24(10)：197-199.
[14] 田啟川，李子良，劉喜榮，等.基于Radon變換的虹膜邊界定位算法[J].系統(tǒng)仿真學(xué)報(bào)，2009，21(S2)：222-225.
[15] 劉念，蘇杭，郭純宏，等.基于Hough變換圓檢測的人眼定位方法改進(jìn)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2011，32(4)：1359-1362.