目前，已經(jīng)出現(xiàn)了多種人體生理特征識別方法，包括對指紋、手型、人臉、聲音、簽名、DNA和虹膜等生理特征進行識別。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，在對安全性要求高的場合，虹膜識別是一種理想的身份識別方法[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)改進發(fā)展的[4-8]。在實際中，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，閾值的選擇會影響到真正的邊界點所占的比例，為了獲得虹膜邊界點，窮舉出所有參數(shù)值會造成時間、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一步提高虹膜真正邊界點的比例也是需要考慮的問題。(4)在進行邊界定位時，Hough變換得到的幾何模型參數(shù)域中的最大值點對應(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或次大值點作為虹膜內(nèi)外邊界的幾何模型參數(shù)點, 因為這兩點很可能屬于同一個邊界參數(shù)模型。
    針對以上問題, 本文給出了相應(yīng)的解決辦法。首先，用一個全1的矩形窗對瞳孔中心進行粗略估計[9]；然后，以粗定位的瞳孔中心為極點，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，以此提高真正虹膜邊界點的比例；其次,將經(jīng)過邊緣點選擇后的虹膜圖像變換到直角坐標(biāo)，再進行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)驗估計來限制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
    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驗室現(xiàn)場采集的虹膜圖像都是有效的；同時該算法采用了較少的邊界點定位虹膜的邊界，計算量大大減小，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行了研究，提出了一種改進的虹膜邊界定位算法。在極坐標(biāo)下，通過對非虹膜邊界點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)。實驗結(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
[1] 王蘊紅，朱勇，譚鐵牛.基于虹膜識別的身份鑒[J].自動化學(xué)報，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，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，2003，8(6)：683-685.
[8] 駱名猛，吳錫生.改進的快速虹膜定位算法[J].計算機工程與應(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，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(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].計算機輔助設(shè)計與圖形學(xué)學(xué)報，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].計算機應(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，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[J].計算機工程與設(shè)計，2011，32(4)：1359-1362.