【摘要】：在各种虹膜识别算法中，以Daugman和Wildes提出的算法最为经典，大多数商业系统都是基于这两种算法。虹膜识别算法包括：虹膜定位，虹膜对准，模式表达，匹配决策。为此必须准确定位虹膜的内外边界，检测并排除侵入的眼睑。Daugman利用二维Gabor子波将虹膜图像编码为256字节的“虹膜码”。
虹膜是位于瞳孔和巩膜之间的环状区域。与其他的生物特征相比，虹膜识别具有以下特性：高独特性，虹膜的纹理结构是随机的，其形态依赖于胚胎期的发育；高稳定性，虹膜可以保持几十年不变，而且不受除光线之外的周围环境的影响；防伪性好，虹膜本身具有规律性的震颤以及随光强变化而缩放的特性，可以识别出图片等伪造的虹膜；易使用性，识别系统不与人体相接触；分析方便，虹膜固有的环状特性，提供了一个天然的极坐标系。
在各种虹膜识别算法中，以Daugman和Wildes提出的算法最为经典，大多数商业系统都是基于这两种算法。虹膜识别算法包括：虹膜定位，虹膜对准，模式表达，匹配决策。
（1）虹膜定位：将虹膜从整幅图像中分割出来。为此必须准确定位虹膜的内外边界，检测并排除侵入的眼睑。典型的算法是利用虹膜内外边界近似环形的特性，应用图像灰度对位置的一阶导数来搜索虹膜的内外边界。
（2）虹膜对准：确定两幅图像之间特征结构的对应关系。Daugman将原始坐标映射到一个极坐标系上，使虹膜组织的同一部位映射到这个坐标系的同一点；Wildes算法应用图像配准技术来补偿尺度和旋转的变化。(www.xing528.com)
（3）模式表达：为了捕获虹膜所具有的独特的空间特征，可以利用多尺度分析的优势。Daugman利用二维Gabor子波将虹膜图像编码为256字节的“虹膜码”。Wildes利用拉普拉斯-高斯滤波器来提取图像信息。
（4）匹配决策：Daugman用两幅图像虹膜码的汉明距离来表示匹配度，这种匹配算法的计算量极小，可用于在大型数据库中识别。Wildes是计算两幅图像模式表达的相关性，其算法较复杂，仅应用于认证。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
