到第8个月虹膜的主要纹理结构已经成形 ❖ 可采集性：虹膜是一个外部可见的内部器官，不必
紧贴采集装置就能获取合格的虹膜图像 ❖ 非侵犯性：一般情况下很难盗取他人的虹膜图像
虹膜识别的一般步骤：
❖ 虹膜图像获取 ❖ 图像预处理 ❖ 特征提取 ❖ 特征匹配
一、虹膜图像的获取
虹膜是一个很小的器官，直径约十几毫米， 不同人种的虹膜颜色有着很大的差别。 ❖ 白种人的虹膜颜色浅，纹理显著 ❖ 黄种人的虹膜则多为深褐色，纹理非常不明 显
每幅输入图像提取出 14 个特征。
四、虹膜特征匹配
与图像库中的数据进行匹配， 从而达到识别的效果。
内边界的提取：
与眼睛的其他部分相比，瞳孔要暗得多。我 们采用二值化的方法分离出瞳孔，提取内虹膜边 界。二值化方法的关键在于阈值的选取，具体做 法是，先计算出整个图像的灰度直方图,它应该有 两个主要的峰值，其中的第一个峰值，对应的就 是瞳孔区域灰度集中的范围，第二个峰值对应 的 是虹膜区域的灰度集中范围。显然，提取瞳孔的 二值化阈值应该选择在第一个峰值的右侧。对图 像进行二值化后，我们可以看出，瞳孔成功地被 分离开来。
用极坐标变换的方法进行归一化：
将虹膜图像中的每个点一一映射到极坐标，这种映射 对于平移和内外圆环的大小变换等具有不变性。综上所述， 整个虹膜识别的过程对于虹膜图像的旋转、平移和尺度变 化以及瞳孔的收缩都具有不变性。
虹膜图像增强 ：
由于设备的原因，使得虹膜图像上 的光照不能完全按均匀分布，这样将会 影响纹理分析的效果。为了更好地提高 识别效果，我们对展开后的虹膜图像进 行了局部的直方图均衡化，从而实现了 图像增强，减少了非均匀光照的影响。
二、虹膜图像的预处理
通过获取装置采集的虹膜图像通常不可 能仅仅包含虹膜，往往还有眼睛的其它部分， 比如眼睑、睫毛、眼白等，而且在高度非侵 犯性系统中，由于对被试者不做要求，虹膜 在图像中的位置与大小都会发生变化。因此， 在进行虹膜识别之前，必须先确定出虹膜在 图像中的位置并进行大小归一化等操作。
虹膜图像预处理包括：
❖ 虹膜定位 ❖ 虹膜图像归一化 ❖ 虹膜图像增强
进行虹膜图像预处理：
❖ 原始输入图像 ❖ 虹膜图像的灰度直方图 ❖ 二值化方法定位瞳孔 ❖ 虹膜图像边缘提取 ❖ 修正后的虹膜边缘 ❖ 虹膜定位 ❖ 虹膜图像的归一化 ❖ 图像增强
虹膜图像预处理效果图：
虹膜定位 ：
由原始输入图像可以看出，虹膜包 含纹理的部分是内外两个近似圆形边界 之间的部分，虹膜内侧与瞳孔相邻，外 侧与眼白相邻。但是，这两个圆不是完 全同心的,我们需要分别对内外两个边界 进行处理。
什么是虹膜？
虹膜是位于人眼白色巩膜和黑色瞳孔之 间的环状组织，包含了最丰富的纹理信息。 外观上看，虹膜由许多腺窝、皱褶、色素斑 等构成，是人体中最独特的结构之一
虹膜识别的优点：
虹膜，作为重要的身份鉴别特征—
❖ 唯一性：虹膜图像存在许多随机分布的细节特征 ❖ 稳定性：虹膜从婴儿胚胎期的第3个月起开始发育，
外圆边界的提取：
可以采用最小二乘拟合的方法提取 外圆边界。首先使用Canny 算子对原图 像进行边缘提取，然后根据瞳孔的位置 和其它的先验知识，去除一些无用的点， 比如眼眉和内边界等，最后采用最小二 乘法进行拟合。最后虹膜定位。
虹膜的归一化：
归一化的目的是将每幅原始图 像调整到相同的尺寸和对应位置， 从而消除平移、缩放和旋转对于虹 膜识别的影响。
小波的四种通道：
❖ LL 通道代表了图像在水平低பைடு நூலகம்和垂直低频下的信息 ❖ LH通道代表了图像在水平低频和垂直高频下的信息 ❖ HL通道代表了图像在水平高频和垂直低频下的信息 ❖ HH 通道代表了图像在水平高频和垂直高频下的信
息
在四种小波通道中，HH通道反映的是图像的高 频特征，其中包含了图像中的大部分噪声，不适合 用于纹理特征的提取。因此我们使用图中阴影部分 的共 7 个通道来进行纹理分析。对于每个通道的滤 波结果，提取均值和方差作为其特征。由于在小尺 度下的小波子图像受噪声的影响比较严重，为了增 加识别算法的抗噪声性能，在具体算法中，我们对 于归一化的图像，进行 3次小波分解，对 3 个尺度 下的小波系数进行处理，这样总共有 7 个小波通道，
三、虹膜特征提取
两种比较典型的方法— ❖多通道滤波 ❖二维小波变换
从一定意义上讲，前者是后者的特 列。
二维小波变换：
小波变换是一个常用的图像分析手段， 并且在纹理识别中有较多的应用。一个二维 小波变换可以看作两个连续的一维小波变换。 二维小波变换将一幅图像分解成一系列的低 频子图像。小波变换的结果取决于所采用的 小波基的类型，而小波基是由滤波器的类型 决定的。